在构建随机森林的过程中,每一颗树所使用的数据不同,这使得每一颗树上的特征重要性表现的都不同。所以要评估每个特征在每棵树上的重要度来作为特征选择的依据。
随机森林衡量特征重要度的方法主要有两种,分别是Gini系数,和袋外误差率。
不纯度的减少(sklearn中使用)
随机森林的不纯度常用gini /entropy /information gain测量,以Gini系数为例:
将特征重要性评分(feature importance measures)用VIM表示,计算每个特征的Gini指数评分,即第j个特征在RF所有决策树中节点分裂不纯度的平均改变量。
Gini系数的计算公式如下,k代表有k个类别,Pmk表示k的样本权重。
特征xj在结点m的重要度,定义为在结点m分支前后,Gini指数的变化量。
VIMjm(Gini)=GIm-GIl-GIr
其中GIl,GIr表示结点m分枝后左右结点的Gini系数。
袋外误差率
- 袋外样本
随机决策树生成过程使用的是Boostrap