由於利用線性函數組合去近似一個分配函數曲線是有效且易生成的,於是我們嘗試使用迴歸樹 (tree structured regression) 之方法產生高維度一分配函數之線性模型近似組合,且為了解決線性模型於邊界可能牽扯到負值問題,所以將線性模型做指數轉換。然而迴歸樹方法需要訓練樣本來產生迴歸樹,借由數論方法 (Number-theoretic Methods) 中的 glp-set (good lattice point),可以得到一組合宜的訓練樣本,經模擬結果顯示,此訓練樣本配合迴歸樹方法在低維度的實驗,能夠精準的估計定積分值;在高維度實驗中亦有不錯的成效。