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
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
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。