多森林：多类结果的变量重要性

本研究解决了在多类结果预测任务中，如何有效识别与特定结果类别相关的协变量的问题。我们提出了一种名为多类变量重要性（multi-class VIM）的新方法，它通过一种新颖的随机森林变体（多森林 MuFs）实现，能够专门识别与类别相关的协变量。研究结果表明，与传统的变量重要性度量相比，多类 VIM 能更准确地排名与类别相关的协变量，尽管在预测性能上略逊一筹。