Machine learning 创建决策树和分割属性时出现问题？

因此，我试图在一个属性“颜色”上进行分割，该属性可能有值（蓝色、绿色、红色、橙色、粉色）

我对值进行拆分，最佳拆分可以是多路5、多路4、多路3或二进制。例如：

5: (Blue, Green,Red,Orange,Pink)

4: (Blue, Green), (Red), (Orange), (Pink)
   (Green,Pink), (Blue),(Red),(Orange)

3: (Red,Orange), (Blue,Green), (Pink)
   (Red,Blue), (Green, Orange), (Pink)

2: (Blue,Green,Red), (Orange,Pink)
   (Pink), (Blue, Green, Red, Orange)

等等。但是，我如何才能全面列出所有可能的拆分？有没有我可以使用的特定算法？或者我怎么知道有多少最大可能的组合

---

任何帮助都将不胜感激，谢谢

根据熵（信息增益）的最佳分割总是5

回想一下，当您根据一个属性进行分割时，您可以获得关于Y的信息，或者如果它们是独立的，则没有信息增益，即每次分割时的信息增益大于等于零。因此IG（情况2:4）=0参考：

---

通常，在决策树/RF中，您尝试找到一个单一的分割，该分割为一个属性提供了最高的IG，然后比较各个属性并选择一个。

根据熵（信息增益）的最佳分割总是5

回想一下，当您根据一个属性进行分割时，您可以获得关于Y的信息，或者如果它们是独立的，则没有信息增益，即每次分割时的信息增益大于等于零。因此IG（情况2:4）=0参考：

通常，在决策树/RF中，您尝试找到一个单一的分割，该分割为属性提供了最高的IG，然后比较各个属性并选择一个