【機器學習】隨機森林 Random Forest 得到模型后,評估參數重要性


在得出random forest 模型后,評估參數重要性

importance() 示例如下

 

特征重要性評價標准

%IncMSE 是 increase in MSE。就是對每一個變量 比如 X1 隨機賦值, 如果 X1重要的話, 預測的誤差會增大,所以 誤差的增加就等同於准確性的減少,所以MeanDecreaseAccuracy 是一個概念的.


IncNodePurity 也是一樣, 如果是回歸的話, node purity 其實就是 RSS(殘差平方和residual sum of squares) 的減少, node purity 增加就等同於 Gini 指數的減少,也就是節點里的數據或 class 都一樣, 也就是 Mean Decrease Gini.


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM