一、方法（1）Mean decrease impurity 对于每颗树，按照impurity（gini /entropy /information gain）给特征排序，然后整个森林取平均。最优条件的选择依据是不纯度。不纯度在分类中通常为Gini不纯度或信息增益/信息熵，对于回归问题来说是方差。  基于不纯度对模型进行排序有几点需要注意：（1）基于不纯度降低的特征选择将会偏向于选择那些具有较多类别的变量（bias）。（2）当存在相关特征时，一个特征被选择后，与其相关的其他特征的重要度则会变得很低，因为他们可以减少的不纯度已经被前面的特征移除了。 sklearn实现如下： from sklear...