Come viene scelto un punto di divisione per variabili continue negli alberi delle decisioni?

Ho due domande relative agli alberi decisionali:

Se abbiamo un attributo continuo, come possiamo scegliere il valore di divisione?

Esempio: Età = (20,29,50,40 ....)
Immaginiamo di avere un attributo continuo che hanno valori in . Come posso scrivere un algoritmo che trova il punto di divisione , in modo che quando dividiamo per , abbiamo un guadagno minimo per ? $f$ $R$ $v$ $f$ $v$ $f>v$

classification data decision-trees

— WALID BELRHALMIA
fonte

$(20, 29, 40, 50)$ $(24.5, 34.5, 45)$

È possibile risparmiare un po 'di tempo di calcolo controllando solo i punti di divisione che si trovano tra esempi di classi diverse, poiché solo queste divisioni possono essere ottimali per ottenere informazioni.

— timleathart
fonte

@timleathart l'OP si aspetta di essere "alimentato a cucchiaio" l'implementazione in R. Mi chiedo cosa l'OP abbia provato finora con riferimento all'implementazione di R? Che ne dici di "mostrare qualche sforzo", OP?

— mnm,

@timleathart ma normalmente per un attributo f scegliamo la divisione v che fornisce il maggior guadagno di informazioni per f> v, ma qui guardiamo alla domanda che hanno posto per un guadagno minimo.

— WALID BELRHALMIA,

@timleathart, puoi spiegarci di più? Ho bisogno di conoscere il modo migliore per identificare tali divisioni e verificare il guadagno di informazioni. Diciamo che una variabile ha molte variazioni e l'altra è quasi costante. Quante divisioni dovrebbero esserci?

— Arpit Sisodia,

@timeleathart, estendendo la tua risposta, questa divisione non sarà ottimizzata quando i valori sono (20,21,22,23, 45,67,80). qui non è possibile utilizzare l'iterazione da min a max? Per favore, correggimi se sbaglio nel mio assunto :)

— Arpit Sisodia,

Questo chiarisce le mie confusioni!

— Jinhua Wang,