我在tensorflow_decision_forests文档（https://github.com/tensorflow/decision-forests）（https://www.tensorflow.org/decision_forests/api_docs/python/tfdf/keras/wrappers/CartModel）和yggdrasil_decision_forests文档（https://github.com/google/yggdrasil-decision-forests）。
我也看过这两个库的代码，但我没有找到那个信息。我也很好奇是否可以指定要使用的杂质索引。
我正在寻找与 sklearn 决策树的类比，您可以在其中使用criterion参数指定杂质索引。
https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html
对于 TensorFlow Random Forest，我只找到了一个参数uplift_split_score：
uplift_split_score：仅适用于隆起模型。拆分器得分，即拆分器优化的得分。Rzepakowski 等人的“使用单一和多重处理的隆起建模的决策树”中介绍了这些分数。符号：
p阳性结果的q概率/平均值，对照组的概率/平均值。-KULLBACK_LEIBLER或KL: - p log (p/q) -EUCLIDEAN_DISTANCE或ED: (pq)^2 -CHI_SQUARED或CS: (pq)^2/q 默认值：“KULLBACK_LEIBLER”。
我不确定这是否是一个好的线索。