我在我的Java实现中遵循了这个关于cart算法的指南，并想知道是否有更快的方法来选择最优分割。

指南建议以下步骤:

       对于每个特征:          对于该特征的每个值:             进行分割             如果分割的GINI得分小于之前的最小GINI，则记住该GINI得分

是否可以对这个过程进行修改，以牺牲局部精度来提高速度，但不会导致整体精度下降？虽然这可以很容易地并行化，但遍历每个属性及其值以选择单一分割仍然是成本高昂的。

回答：

是的，可以加速这个过程:

对于每个特征    按特征排序数据    计算目标不同值的累积计数    计算目标不同值的反向累积计数    在每个特征值处         根据累积计数计算gini值         保留最大值

如果特征取值有限，可以进一步优化。如果不排序数据，你可以聚合数据并使用聚合后的数据进行分割计算。

如果特征是分类变量，你可以遵循相同的过程，但按二元目标的目标密度对特征进行排序。如果你有超过两个目标值，这会变得稍微复杂一些。