任何人都可以解释如何使用树木来评估特征（feature_importances_）的重要性吗？
http://scikit-learn.org/stable/auto_examples/ensemble/plot_forest_importances.html
任何人都可以解释如何使用树木来评估特征（feature_importances_）的重要性吗？
http://scikit-learn.org/stable/auto_examples/ensemble/plot_forest_importances.html
1 回答
它基本上是一个随机的森林实施 . 随机森林由许多决策树组成 . 决策树中的每个节点都是单个要素上的条件，旨在将数据集拆分为两个，以便类似的响应值最终出现在同一个集合中 . 选择（局部）最佳条件的度量称为杂质 . 对于分类，通常是基尼杂质或信息增益/熵，对于回归树，它是方差 . 因此，当训练树时，可以计算每个特征减少树中加权杂质的程度 . 对于森林，可以对每个特征的杂质减少进行平均，并且根据该度量对特征进行排序 .