ディシジョンツリーの変数（機能）スケーリングと変数（機能）の正規化（調整）は、どの実装で必要ですか？

多くの機械学習アルゴリズムでは、特徴スケーリング（別名変数スケーリング、正規化）が一般的な前処理ステップですWikipedia-特徴スケーリング -この質問は間近でした質問＃41704-正規化と特徴スケーリングはどのように、そしてなぜ機能するのですか？

ディシジョンツリーに関して特に2つの質問があります。

1. 機能のスケーリングを必要とする決定木の実装はありますか？私は、ほとんどのアルゴリズムの分割基準がスケーリングに無関心であるという印象を受けています。
2. 次の変数を検討してください：（1）単位、（2）時間、（3）時間あたりの単位-意思決定ツリーに入力するときにこれらの3つの変数を「そのまま」にしておくか、何らかのタイプの競合に遭遇するのが最善ですか「正規化された」変数（3）は（1）と（2）に関連付けられるため、つまり、3つの変数すべてを組み合わせてこの状況を攻撃しますか、それとも通常は3つの変数の組み合わせを選択するか、単に「正規化/標準化」機能（3）を使用しますか？

1の場合、一般的に決定木は通常スケーリングを必要としません。ただし、これはデータの視覚化/操作に役立ち、他のデータやSVMなどの他の方法とパフォーマンスを比較する場合に役立つことがあります。

2の場合、これはチューニングの問題です。単位/時間は、変数の相互作用の一種と見なされ、それぞれとは異なる予測力を持つ場合があります。ただし、これは実際のデータに依存します。違いがあるかどうかを確認するために、私は試してみます。