随机森林分类结果解读：OOB误差与变量重要性排名.docxVIP

随机森林分类模型分析结果解读

一、方法概述

随机森林（RandomForest）是一种基于集成学习思想的分类与回归方法，由Breiman于2001年提出。该方法通过Bootstrap有放回抽样构建大量决策树，每棵树在节点分裂时仅从随机选取的特征子集中选择最优分裂变量，最终通过多数投票（分类）或均值聚合（回归）得到预测结果。随机森林具有对高维数据适应性强、无需严格的分布假设、能有效估计变量重要性等优点，被广泛应用于医学诊断、金融风控、生物信息学等领域。借助SPSSAU软件，研究者可以方便地完成随机森林分类模型的训练、评估与特征重要性分析。

在SPSSAU【机器学习】模块选择【随机森林】，将变量拖拽至右侧对应分析框，操作如下图：

二、数据集与基本信息

表1报告了数据集的划分情况。全部420条有效观测中，80%（336条）被随机分配至训练集用于模型构建，20%（84条）分配至测试集用于模型泛化能力评估，无缺失数据。该划分比例符合机器学习建模的常规做法，训练集规模足以支撑100棵决策树的稳定生长，测试集规模虽相对有限但仍可提供有意义的泛化性能估计。

表2展示了因变量y的类别分布与样本完整性。y取值为0的样本186条（44.29%），取值为1的样本234条（55.71%），两类比例约为44:56，不存在严重的类别不平衡问题。全部420条观测均有效，无缺失值被剔除，模型估计建立在完整样本基础