隨機森林計算特征對目標的重要程度——置換檢驗

我們都知道，在調用sklearn中的隨機森林時，是可以通過feature_importances_查看每個特征的重要程度的。

其主要通過置換檢驗來求得特征的重要程度。

如果特征k是重要的，那么用隨機的值將該列特征破壞，重新訓練和評估，計算模型的泛化能里的退化程度，即：

　　inportance(k) = Performance(G) - performance(G')

退化的程度可以度量特征k的重要性。