¿Pueden los árboles potenciados por gradiente encajar en alguna función?

Para las redes neuronales tenemos el teorema de aproximación universal que establece que las redes neuronales pueden aproximarse a cualquier función continua en un subconjunto compacto de .$R^n$

¿Hay un resultado similar para los árboles impulsados ​​por gradiente? Parece razonable ya que puede seguir agregando más ramas, pero no puedo encontrar ninguna discusión formal sobre el tema.

EDITAR: Mi pregunta parece muy similar a ¿Pueden los árboles de regresión predecir continuamente? , aunque tal vez no pregunte exactamente lo mismo. Pero vea esa pregunta para una discusión relevante.

Sí, cree una región para cada punto de datos (es decir, memorice los datos de entrenamiento).

Por lo tanto, es posible que los árboles impulsados ​​por gradiente se ajusten a cualquier dato de entrenamiento, pero tendría una generalización limitada a los nuevos datos.