在许多机器学习算法中，特征缩放（又名变量缩放，归一化）是一个常见的预处理步骤Wikipedia - Feature Scaling - 这个问题很接近Question#41704 - How and why do normalization and feature scaling work?

我有两个关于决策树的问题：

1. 是否有任何需要特征缩放的决策树实现？我的印象是大多数算法的分割标准与规模无关。
2. 考虑这些变量：（1）单位，（2）小时，（3）每小时单位——当输入决策树时最好将这三个变量“保持原样”还是我们遇到某种类型的冲突因为“标准化”变量 (3) 与 (1) 和 (2) 相关？也就是说，您是否会通过将所有三个变量混合在一起来解决这种情况，或者您通常会选择这三个变量的某种组合，还是简单地使用“标准化/标准化”特征 (3)？