如何求数据的 Gini 系数增益，并选出最优划分属性。

求数据的 Gini 系数增益，可以按照以下步骤进行：

1. 计算数据集的基尼指数（Gini Index）。

2. 对每个特征，计算其分裂后的加权基尼指数。

3. 计算每个特征的基尼指数增益（Gini Gain）。

4. 选取基尼指数增益最大的特征作为最优划分属性。

具体计算方法如下：

1. 计算数据集的基尼指数（Gini Index）。

假设数据集 $D$ 有 $K$ 个类别，样本数为 $N$，类别 $k$ 的样本数为 $N_k$，则数据集的基尼指数计算公式为：

$$
Gini(D) = 1 - \sum_{k=1}^K{\left(\frac{N_k}{N}\right)^2}
$$

2. 对每个特征，计算其分裂后的加权基尼指数。

假设特征 $A$ 有 $V$ 个取值，将数据集 $D$ 按照特征 $A$ 分成 $V$ 个子集 $D_1, D_2, ..., D_V$，每个子集的样本数为 $N_1, N_2, ..., N_V$，类别 $k$ 在子集 $D_i$ 中的样本数为 $N_{ik}$，则特征 $A$ 的加权基尼指数计算公式为：

$$
Gini_A(D) = \sum_{i=1}^V{\frac{N_i}{N}Gini(D_i)}
$$

3. 计算每个特征的基尼指数增益（Gini Gain）。

特征 $A$ 的基尼指数增益计算公式为：

$$
Gain_Gini(A) = Gini(D) - Gini_A(D)
$$

4. 选取基尼指数增益最大的特征作为最优划分属性。

具体来说，遍历所有特征 $A$，计算它们的基尼指数增益 $Gain_Gini(A)$，选取增益最大的特征作为最优划分属性。

注意，这里的特征选择算法是决策树算法中的一种，用于选择最优的划分属性，从而构建一棵决策树。