决策树分类属性的复杂性

Question

我试图找到二进制决策树算法的时间复杂度。我已经了解到，在每个节点上，复杂度都受到搜索最佳属性O(m nlog n)的复杂度的限制，因为知道m是要素的数量，n是特征中的实例的数量训练集。我认为我们应该将O(m nlog n)乘以节点数，以发现整个算法的复杂性，对吗？我不明白为什么在某些资源中仅将决策树的复杂性视为O(m nlog n)！有人可以解释一下吗？

无论使用分类属性还是连续属性，复杂度的计算是否存在差异？