1.9.1.2 随机森林算法 本研究利用Abhishek Jaiantilal的R package randomForest工具包训练出中医慢性胃炎数据的分类模型以确定特征重要度。在不增加原样本集样本的情况下通过自举法(bootstrap)选择样本子集构建一组分量分类器，然后利用投票(voting)机制综合分量分类器的结果得到最终分类结果。在构建分量分类器时，未被选中的样本组成袋外(out-of-bag，OOB)数据集，用袋外数据进行测试得到袋外误差(out-of-bag error，OOB Err)。在森林每一颗树的构建过程中，记下OOB事例集，并记下分类投票正确的个数。随机改变OOB事例集中一个特征m，把这些事例训练成树。然后用之前未受改变特征m影响情况下正确分类投票数减去改变OOB事例集中特征m后的正确分类票数得到票数差，这个票数差客观反映了特征m对分类的影响程度。对每棵树做相同处理，然后每棵树结构得到的票数差取平均值称为特征m的重要度(raw importance)。取出重要度参向量importance=(ipt1，ipt2，… ......