您的问题的重新表述将是：

哪些特征可以更准确地区分这两个数据集，因为它们之间存在很大差异？

回答这个问题的一种常见方法是检查属性的信息增益，基于数据集熵的减少。具有最高信息增益的属性是更准确地分离数据集的属性。

假设你有m个属性，你需要：

1. 根据样本所属的数据集（A 或 B）标记样本
2. 尝试根据每个属性的值拆分数据集。这意味着您需要执行m splits。
3. 最大化信息增益的分裂，从而最小化两个分裂组的个体子熵，显示了最好地分离数据的属性。此属性是两个数据集中差异最大的属性，也是您问题的答案。

仅供参考，这正是在训练决策树时所做的，以删除（修剪）信息量不足的特征，以便：

1. 减少树的方差
2. 减少训练/推理时间