论文部分内容阅读
目的探讨条件推断森林(CIF)在自变量相关情况下变量筛选和分类研究中的应用。方法通过模拟实验和实例比较RF和CIF的变量筛选和分类,并通过变量重要性评分和OOB错误率进行评价。结果模拟实验表明,在自变量相关的情况下,CIF的变量筛选结果明显优于RF的变量筛选结果;实例数据分析结果表明,CIF筛选出变量的OOB错误率低于RF。结论 CIF适用于变量相关的情况,具有实用价值。