随机森林中的变量重要性计算如下：

1. 最初，模型的 MSE 是用原始变量计算的

2. 然后，对单个列的值进行置换，并再次计算 MSE。例如，如果列 (Col1) 采用值 1、2、3、4，并且这些值的随机排列结果为 4、3、1、2。这导致了 MSE1。然后 MSE 的增加，即 MSE1 - MSE，将表明变量的重要性。

3. 我们预计差异是正数，但在负数的情况下，它表示随机排列效果更好。可以推断该变量在预测中没有作用，即不重要。

希望这可以帮助！

详细解释请参考以下链接！

https://stackoverflow.com/questions/27918320/what-does-negative-incmse-in-randomforest-package-mean

这可能只是随机波动（例如，如果您的 ntree 很小）。

如果不是，它可能表明您的数据中有一些严重的悖论，即具有几乎相同的预测变量和非常不同的结果的对象对。在这种情况下，我会检查两次模型是否真的有意义，并开始思考如何获得更多属性来解决它们。