文献类型：期刊文章

作　　者：曹桃云[1,2]

Cao Taoyun(Laboratory of Big Data and Education Statistics Application,Guangdong University of Finance and Economics,Guangzhou 510320,China;School of Statistics and Mathematics,Guangdong University of Finance and Economics,Guangzhou 510320,China)

机构地区：[1]广东财经大学大数据与教育统计应用实验室,广州510320 [2]广东财经大学统计与数学学院,广州510320

出　　处：《统计与决策》

基　　金：广东省自然科学基金面上项目(2020A1515011580);广东财经大学校级学位与研究生教育改革研究项目(2021YB08);广东高校省级重点平台和重大科研项目特色创新项目(2018GKTSCX010)。

年　　份：2022

卷　　号：38

期　　号：4

起止页码：60-63

语　　种：中文

收录情况：BDHX、BDHX2020、CSSCI、CSSCI2021_2022、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：对变量进行重要性度量是变量选择的依据。变量选择在复杂数据的统计建模和解释预测中具有广泛的研究背景。基于随机森林算法,文章对回归问题中的最小深度、变量在根节点的分裂频次、置换重要性、节点纯度等变量重要性度量进行了原理阐述,并采用数值模拟研究了各种重要性度量的性能,为新方法的设计提供了基础。

关 键 词：随机森林  最小深度  分裂频次  节点纯度  置换重要性  

分 类 号：TP181] O212]