二元回归树与森林中的变量重要性
机器学习
2009-09-29 v1
摘要
我们刻画并研究了二元回归树中的变量重要性（VIMP）和成对变量关联。其中一个关键组成部分是我们称为最大子树的量的节点均方误差。该理论自然地从单棵树扩展到树的集成，并适用于随机森林等方法。这非常有用，因为虽然随机森林的重要性值被用于筛选变量（例如在生物信息学中用于过滤高通量基因组数据），但关于其性质的理论却很少。
引用
@article{arxiv.0711.2434,
title = {Variable importance in binary regression trees and forests},
author = {Hemant Ishwaran},
journal= {arXiv preprint arXiv:0711.2434},
year = {2009}
}
评论
Published in at http://dx.doi.org/10.1214/07-EJS039 the Electronic Journal of Statistics (http://www.i-journals.org/ejs/) by the Institute of Mathematical Statistics (http://www.imstat.org)