某大型连锁零售集团在2026年面临激烈的市场竞争，为了优化供应链管理和提升客户忠诚度，集团数据科学部收集了旗下500家门店及百万级会员的详细运营数据。数据集主要包含两个部分： 1.商品维度数据：涵盖3000种SKU的月度销售指标，包括销售额、销售量、毛利率、库存周转天数、促销频率、退货率以及供应商交货准时率。 2.用户维度数据：涵盖会员的近期消费行为，包括最近一次消费时间（Recency）、消费频率（Frequency）、消费金额（Monetary）、浏览未购买次数、客诉次数以及会员等级。 数据分析师小李负责利用统计分析技术挖掘数据价值，具体任务涉及商品分类策略制定、用户画像构建、流失预警及关键驱动因素识别。 作为该项目的数据分析师，你需要依据主成分分析、因子分析、决策树、聚类等技术的原理，解决以下关键问题。 （3）集团发现部分高价值用户流失严重。小李需要构建一个决策树模型，找出导致用户流失（二分类变量：流失/未流失）的关键规则路径，例如“若近30天浏览未购买>5次 且 客诉次数>1，则流失概率极高”。在构建用户流失预警的决策树模型时，算法需要选择最佳分裂属性。假设当前节点包含100个用户，其中正例（流失）50，负例（未流失）50。现有两个候选分裂属性： 方案A：左子集（60样本）：含正例10，负例50。右子集（40样本）：含正例40，负例0。 方案B：左子集（50样本）：含正例25，负例25。右子集（50样本）：含正例25，负例25。 关于信息增益（Information Gain）的计算与理解，以下说法正确的是？