概念Boruta算法
Boruta
基于随机森林的全相关特征选择算法，通过与随机化的影子特征对比，系统性地筛选对模型有显著贡献的特征子集
时间轴 (近 90 天)
10月5日
研究整合了SHAP、分组置换重要性、Boruta和递归特征消除（RFE）四种特征重要性方法，并通过共识排序策略融合结果
待验证50%
基于随机森林的全相关特征选择算法，通过与随机化的影子特征对比，系统性地筛选对模型有显著贡献的特征子集
研究整合了SHAP、分组置换重要性、Boruta和递归特征消除（RFE）四种特征重要性方法，并通过共识排序策略融合结果