随机森林计算特征对目标的重要程度——置换检验

我们都知道，在调用sklearn中的随机森林时，是可以通过feature_importances_查看每个特征的重要程度的。

其主要通过置换检验来求得特征的重要程度。

如果特征k是重要的，那么用随机的值将该列特征破坏，重新训练和评估，计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。