首页 > 代码库 > 【机器学习】随机森林 Random Forest 得到模型后,评估参数重要性

【机器学习】随机森林 Random Forest 得到模型后,评估参数重要性

在得出random forest 模型后,评估参数重要性

importance() 示例如下

技术分享

 

特征重要性评价标准

%IncMSE 是 increase in MSE。就是对每一个变量 比如 X1 随机赋值, 如果 X1重要的话, 预测的误差会增大,所以 误差的增加就等同于准确性的减少,所以MeanDecreaseAccuracy 是一个概念的.


IncNodePurity 也是一样, 如果是回归的话, node purity 其实就是 RSS(残差平方和residual sum of squares) 的减少, node purity 增加就等同于 Gini 指数的减少,也就是节点里的数据或 class 都一样, 也就是 Mean Decrease Gini.

【机器学习】随机森林 Random Forest 得到模型后,评估参数重要性