指标的重要性排序

 

原理：若给某个特征随机加入噪声之后,袋外的准确率大幅度降低,则说明这个特征对于样本的分类结果影响很大,也就是说它的重要程度比较高。

过程：

（1）对每一颗决策树，选择相应的袋外数据（out of bag，OOB）​计算袋外数据误差，记为errOOB1【分类为错误率,回归为MSE】

（2）随机对袋外数据OOB所有样本的特征X加入噪声干扰（可以随机改变样本在特征X处的值），再次计算袋外数据误差，记为errOOB2。

​（3）假设森林中有N棵树，则特征X的重要性=∑（errOOB2-errOOB1）/N

 

转载于:https://www.cnblogs.com/hapyygril/p/10061056.html