คนแรกสามารถ 'ตีความ' ดังนี้: หากตัวทำนายมีความสำคัญในรูปแบบปัจจุบันของคุณแล้วกำหนดค่าอื่น ๆ สำหรับตัวทำนายนั้นแบบสุ่ม แต่ 'แนบเนียน' (เช่น: อนุญาตให้ค่าตัวทำนายนี้อยู่เหนือชุดข้อมูลของคุณ) ควรมีอิทธิพลเชิงลบ บนการทำนายคือ: ใช้แบบจำลองเดียวกันเพื่อทำนายจากข้อมูลที่เหมือนกันยกเว้นสำหรับตัวแปรเดียวควรให้การคาดการณ์แย่ลง
ดังนั้นคุณใช้การวัดการทำนาย (MSE) กับชุดข้อมูลดั้งเดิมจากนั้นใช้ชุดข้อมูลที่ 'เปลี่ยนแปลง' และคุณเปรียบเทียบชุดข้อมูลเหล่านั้น วิธีหนึ่งโดยเฉพาะอย่างยิ่งเนื่องจากเราคาดหวังว่า MSE ดั้งเดิมจะเล็กกว่าเสมอความแตกต่างสามารถนำมาใช้ได้ ในที่สุดสำหรับการทำให้ค่าเทียบได้กับตัวแปรเหล่านี้จะถูกปรับขนาด
สำหรับอันที่สอง: ในแต่ละการแยกคุณสามารถคำนวณได้ว่าการแยกนี้จะลดความไม่บริสุทธิ์ของโหนด (สำหรับต้นไม้การถดถอยแน่นอนความแตกต่างระหว่าง RSS ก่อนและหลังการแยก) นี่คือผลรวมของการแยกทั้งหมดสำหรับตัวแปรนั้นกับต้นไม้ทั้งหมด
หมายเหตุ: การอ่านที่ดีคือองค์ประกอบของการเรียนรู้ทางสถิติโดย Hastie, Tibshirani และ Friedman ...
?importance
? มีคำอธิบายเกี่ยวกับความหมายของมาตรการทั้งสองคือ ...