决策树算法常用的划分准则包括: A. 信息增益B. 基尼指数C. 误差平方和D. 均方差

决策树算法在构建过程中，需要选择最佳的特征来划分数据集。划分准则用于评估特征划分数据集的效果。信息增益和基尼指数是决策树算法中常用的划分准则。信息增益是基于信息熵的概念，用于衡量特征划分数据集后信息的不确定性减少量。基尼指数则衡量特征划分数据集后数据的纯度，即数据集中同一类别的样本比例。误差平方和和均方差通常用于回归问题，而不是分类问题，因此不是决策树算法常用的划分准则。