Machine learning 信息增益会是负的吗？

我的测验太奇怪了。{（200+/300-）->（（50+/50-，（250-，150+）}，在计算后，IG是负数。有人能解释一下原因吗？

在我研究了其他一些问题后，我想我有了一些想法。有人说信息增益不可能是负的，但事实上可能是负的，这取决于您选择拆分哪个功能。我发现了一篇论文，它表明一些蛋白质可以影响对基因组组成的理解，因为蛋白质是如此混乱。如果我们使用一些杂乱的特性来构建我们的树，信息增益将是负的，因为想象一下，在现实世界中，如果我们想要做出决定，一些特性会让我们犹豫。如果我们使用这种特征进行决策，结果将更加不确定。原谅我糟糕的英语

我举的例子实际上是正面的…我错了，对不起