如何为决策树中的连续变量选择分割点？

我有两个与决策树有关的问题：

1. 如果我们有一个连续的属性，我们如何选择分割值？

   例如：年龄=（20,29,50,40 ....）

2. 想象一下，我们有一个连续属性，其值在R中。我该如何写一个算法找到分裂点v，以便当我们将f除以v时，我们得到f > v的最小增益？$f$$R$$v$$f$$v$$f>v$

为了得出一个分割点，对这些值进行排序，并根据某种度量标准（通常是信息增益或基尼杂质）评估相邻值之间的中点。为了您的例子，可以说我们有四个例子和年龄变量的值。值之间的中点（24.5 ，34.5 ，45 ）进行评估，并取其分给训练数据的最佳信息增益（或任何你正在使用的度量）被使用。$(20, 29, 40, 50)$$(24.5, 34.5, 45)$

通过仅检查位于不同类的示例之间的拆分点，可以节省一些计算时间，因为只有这些拆分才能获得最佳信息。