随机森林往往对预测能力低的特征不太敏感。原因是 RF 在给定每个节点的特征子集（列）和观察值（行）的情况下寻找“最佳分割”。因此，在大多数情况下（拆分），“弱”功能可能会被忽略。

但是，删除 $x$最弱特征的百分比可能会提高模型的性能。如果您使用sklearn，可以使用便利功能来执行此操作，例如SelectFromModel()。有关更多详细信息，请参阅文档。

>>> from sklearn.ensemble import ExtraTreesClassifier
>>> from sklearn.datasets import load_iris
>>> from sklearn.feature_selection import SelectFromModel
>>> X, y = load_iris(return_X_y=True)
>>> X.shape
(150, 4)
>>> clf = ExtraTreesClassifier(n_estimators=50)
>>> clf = clf.fit(X, y)
>>> clf.feature_importances_  
array([ 0.04...,  0.05...,  0.4...,  0.4...])
>>> model = SelectFromModel(clf, prefit=True)
>>> X_new = model.transform(X)
>>> X_new.shape               
(150, 2)