我正在使用随机森林运行回归模型，我想选择一组仍然可以实现良好模型性能的简约预测器。为此，我运行了一个包含两个步骤的模型选择例程： 我首先运行一个完整的模型，并根据重要性对变量进行排名，（我将重要性衡量为精度的降低）。其次，我从完整模型中获取最重要的预测变量，并逐步添加所有剩余的预测变量，一次一个。通过这样做，我看到哪个预测器最好根据方差解释的改进来改进建模结果，从而构建一个新的简约模型。我迭代地重复这个例程，直到可以实现超过2％的方差改善。我已经读过大量的可变RF选择方法是基于OOB误差的减少而不是通过检查方差改进，因此我不确定我是否选择了合适的方法。有人会发表意见吗？谢谢