原文链接：http://tecdat.cn/?p=13546

变量重要性图是查看模型中哪些变量有趣的好工具。由于我们通常在随机森林中使用它，因此它看起来非常适合非常大的数据集。大型数据集的问题在于许多特征是“相关的”，在这种情况下，很难比较可变重要性图的值的解释。例如，考虑一个非常简单的线性模型

​

在这里，我们使用一个随机森林的特征之间的关系模型，但实际上，我们考虑另一个特点-不用于产生数据- ​。

为了获得更可靠的结果，我生成了100个大小为1,000的数据集。

library(mnormt)


RF=randomForest(Y~.,data=db)

plot(C,VI[1,],type="l",col="red")
lines(C,VI[2,],col="blue")
lines(C,VI[3,],col="purple")

​

顶部的紫色线是的可变重要性值  ​。例如，具有两个高度相关变量的重要性函数为

​

看起来  比其他两个​ 恒定。考虑到其他变量的存在，我们已经掌握了每个变量的重要性。

实际上，我想到的是当我们考虑逐步过程时以及从集合中删除每个变量时得到的结果，

apply(IMP,1,mean)}

在这里，如果我们使用与以前相同的代码，

我们得到以下图

plot(C,VI[2,],type="l",col="red")
lines(C,VI2[3,],col="blue")
lines(C,VI2[4,],col="purple")

​

删除时会显示紫线  ​，并且与蓝线相同。

然而，当我们拥有很多相关特征时，讨论特征的重要性并不是那么直观。