随机森林的特征重要性排序

2024-04-09 06:08:11

OOB计算

用未被选择到的学习的数据，做验证集计算。不必另外做validation了

Feature Selection

如果没有做好这部分，也是有缺点的：

其中最致命的就是，可能得到的是错误的答案，一不小心找到的关系就是关联，而不是原因。
所以RF中加入了在哪里切一刀。

pemunitation

随机打乱这个特征的数据，看最后的结果和之前是否一致，这样保证了数据分布的一致。
如果一致，说明特征影响并不大。
直接删除呢？并没办法很好的决定出是否重要，因为该特征可能对组合有效？改变太多对结果的影响并不好说。

特征重要性排序

在这个特征里面加入一些垃圾，如果和不放的准确率类似，那么就可以说明是重要的。
加什么垃圾呢？垃圾还能选吗？
一个是把原数据的分布改掉，一个是杂絮的影响。
有放回抽样bootstrap，这里选择类似的思想。

pemunitation test：看下原来的表现和现在被污染之后的表现的差距

importance(i)=performance(D)−performance(Dp)importance(i) = performance(D) - performance(D^p)importance(i)=performance(D)−performance(Dp)
这样的操作需要训练P次，实际的算法采用了近似的方法，采用OOB的方法计算特征重要度排序。
importance(i)=Eoob(D)−Eoob(Dp)importance(i) = E_{oob}(D) - E_{oob}(D^p)importance(i)=Eoob(D)−Eoob(Dp) 如果是对原数据的分布进行改变，依旧没有什么影响。
但是可进一步转化为：
importance(i)=Eoob(D)−Eoobp(D)importance(i) = E_{oob}(D) - E_{oob}^p(D)importance(i)=Eoob(D)−Eoobp(D)，直接在验证上动手脚，训练只训练一次，但是计算OOB的时候对相应的特征，计算相应的OOB分数。

课后：

随机森林的特征重要性排序相关推荐

利用随机森林进行特征重要性排序
第一步就是导包,这里我们主要需要用到的就是sklearn和pandas 我们先对自己的数据集进行一下处理 import numpy as np import pandas as pd testset= ...
随机森林做特征重要性排序和特征选择
随机森林模型介绍: 随机森林模型不仅在预测问题上有着广泛的应用,在特征选择中也有常用. 随机森林是以决策树为基学习器的集成学习算法.随机森林非常简单,易于实现,计算开销也很小,更令人惊奇的是它在分类和 ...
随机森林对特征重要性排序
two methods: 1.Mean decrease impurity 不纯度降低大概是对于每颗树,按照impurity(gini /entropy /information gain)给特征 ...
随机森林计算特征重要性_随机森林中计算特征重要性的3种方法
随机森林计算特征重要性 The feature importance describes which features are relevant. It can help with a better ...
python随机森林特征重要性_基于随机森林识别特征重要性(翻译)
博主Slav Ivanov 的文章<Identifying churn drivers with Random Forests >部分内容翻译.博主有一款自己的产品RetainKit,用A ...
可视化随机森林的特征重要性
可视化随机森林的特征重要性 # 查看随机森林的特征重要性 import numpy as np import matplotlib.pyplot as plt from sklearn.ensembl ...
利用随机森林对特征重要性进行评估方法一
https://hal.archives-ouvertes.fr/file/index/docid/755489/filename/PRLv4.pdf 前言随机森林是以决策树为基学习器的集成学习算法 ...
利用随机森林对特征重要性进行评估
文章目录 1 前言 2 随机森林(RF)简介 3 特征重要性评估 4 举个例子 5 参考文献 1 前言随机森林是以决策树为基学习器的集成学习算法.随机森林非常简单,易于实现,计算开销也很小,更令人惊 ...
python随机森林特征重要性原理_随机森林进行特征重要性度量的详细说明
特征选择方法中,有一种方法是利用随机森林,进行特征的重要性度量,选择重要性较高的特征.下面对如何计算重要性进行说明. 1 特征重要性度量计算某个特征X的重要性时,具体步骤如下: 1)对每一颗决策树 ...

最新文章

热门文章