决策树剪枝中，合并子树前后，熵的变化量如何计算？

小弟在学习决策树剪枝，有一部分需要判断合并两个子树前后，熵的变化量
熵的计算公式和变化量的计算公式如下：

 # 计算子树tb和fb在合并前后熵的变化量
 delta=entropy(tb+fb)-(entropy(tb)+entropy(fb)/2)

#计算熵，rows是一个数据表，uniquecounts计算该表最后一列每种值出现的次数，是一个dict

def entropy(rows):
    
        from math import  log
   
        log2 = lambda x:log(x)/log(2)
   
        results = uniquecounts(rows)

   
        ent = 0.0
    
        for r in results.keys():
        
            p = float(results[r])/len(rows)
       
            ent = ent-p*log2(p)
    
        return ent

计算熵变化量的那里，为啥有个除以2？
我觉得应该是
delta=entropy(tb+fb)-(entropy(tb)+entropy(fb))

https://blog.csdn.net/fanbotao1209/article/details/44775449