我使用随机森林从Weka的3.7.11这又是套袋Weka中的RandomTree。 我的输入属性的数值和输出属性（标签）也数值。
当训练RandomTree，K属性随机选择为树的每个节点。 根据这些属性的几个分裂在尝试和“最好”的一个选择。 如何Weka中确定哪些分裂最好是在这个（数字）的情况下？
对于标称属性，我相信Weka的使用信息增益是基于条件熵标准。
IG(T|a) = H(T) - H(T|a)
用于数值属性相似的地方？ 也许微分熵？
Answer 1:
当树是在数值属性分裂时，其被划分于像条件a>5 。 所以，这种情况实际上就变成二元变量和标准（信息增益）绝对是一样的。
PS对于常用的回归是平方误差的总和（对于每个叶，然后求和叶）。 但我不知道具体有关的Weka
文章来源: What splitting criterion does Random Tree in Weka 3.7.11 use for numerical attributes?
