随机森林进行特征选择

1 特征重要性​度量

计算某个特征X的重要性时，具体步骤如下：

1）对每一颗决策树，选择相应的袋外数据​计算袋外数据误差，记为errOOB1.

所谓袋外数据是指，每次建立决策树时，通过重复抽样得到一个数据用于训练​决策树，这时还有大约1/3的数据没有被利用，没有参与决策树的建立。这部分数据可以用于对决策树的性能进行评估，计算模型的预测错误率，称为袋外数据误差。

​2）随机对袋外数据OOB所有样本的特征X加入噪声干扰，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。如果加入随机噪声后，袋外数据准确率大幅度下降（即errOOB2上升），说明这个特征对于样本的预测结果有很大影响，进而说明重要程度比较高。

​2 特征选择

在特征重要性的基础上，特征选择的步骤如下：

1）计算每个特征的重要性，并按降序排序

2）确定要剔除的比例，依据特征重要性剔除相应比例的特征，得到一个新的特征集

3）用新的特征集重复上述过程，直到剩下m个特征（m为提前设定的值）。

4）根据上述过程中得到的各个特征集和特征集对应的袋外误差率，选择袋外误差率最低的特征集。​