好吧，这取决于您使用的实现。我假设我们正在谈论原始的 CART 论文 [1]

1）那么总是有一个分裂导致两个孩子。

2) 用于拆分的值是通过测试每个变量的每个值来确定的，选择最小化平方和误差 (SSE) 的值：

$SSE=\sum_{i\in S_1}({y_i- \bar{y}_1})^2+\sum_{i\in S_2}({y_i- \bar{y}_2})^2$

在上面的等式中$y_i$是你的预测值和$\bar{y}_1$和$\bar{y}_2$可能拆分的左侧和右侧的平均值。

当将以下数据矩阵馈送到 CART 例程时，每个变量/特征/列（此处为 A、B 和 C）的每个值都将使用 SSE 进行测试。

    A     B     C     y    
    0.05  0.31  0.51  0.97 
    0.32  0.41  0.88  0.89 
    0.76  0.61  0.48  0.11 
    0.81  0.94  0.85  0.19

将选择最佳最小化 SSE 的那个进行拆分。CART 将使用变量的所有值A（0.05、0.32、0.76 和 0.81）测试所有可能的拆分，然后使用变量B，然后C。

[1] 布雷曼、利奥等人。分类和回归树。CRC 出版社，1984 年。