带有R的随机森林：varImp（model）和model $ importance [，1]

Question

我对从R中用于RandomForest包以评估变量重要性的函数获得的不同结果感到困惑。

我的模型定义为：

model <- randomForest(nee_m ~ ., data = nee, ntree = 200, mtry = 7, importance=TRUE)

nee_m是主要变量，而8个解释变量分别是sw_in，ta，vpd，rew，rh，pluie，vent，co2。

这是我的结果： （1）使用varImp（model），％IncMSE的结果为：

      Overall 

     

ta 118.08770

     

rh 71.48408

     

vpd 62.24601

     

pluie 23.28636

     

vent 151.23066

     

sw_in 886.14511

     

二氧化碳208.20772

     

rew 305.57892

（2）使用model $ importance [order（model $ importance [，1]，reduction = TRUE），]：结果为：

        %IncMSE IncNodePurity 

     

sw_in 43.12005718 1451599.722

     

vpd 4.70746641 201849.024

     

rew 4.16280001 189716.854

     

ta 4.02571339 121612.437

     

rh 2.73049849 102672.109

     

二氧化碳2.37747947 81391.062

     

vent 0.57235041 61368.274

     

pluie 0.02396995 2851.669

如果我按照（2）的降序排列（1）并计算相对值：我得到（3）：

      Overall 

     

sw_in 48.522222％

     

赢得16.732438％

     

二氧化碳CO2 11.400730％

     

排放量8.2808645％

     

ta 6.4660714％

     

rh 3.914219％

     

vpd 3.408375％

     

pluie 1.275080％

（2）和（3）之间的值和重要性顺序不同，我应该相信哪些结果，为什么它们不同？我可能对了解结果一无所知。

预先感谢您的帮助

编辑： 非常奇怪的结果： 如果我设置为：varImp（model， scale = FALSE ），就值和顺序而言，我得到的结果与（2）完全相同！因此，该值介于0到100之间，与文档中所说明的相反：即，如果将scale = FALSE设置为该值，则该值不应介于0到100之间，而仅当您设置默认的varImp（model）时（或varImp（model，scale = TRUE），则应该在0到100之间... 这不是我在（3）中所拥有的... 那么，哪个结果有意义呢？ 我真的很困惑...