线性回归和基于树的方法之间的主要区别在于线性回归是参数化的：它可以根据某些参数用数学封闭表达式编写。因此，系数是模型的参数，除非对数据进行归一化，否则不应将其视为任何重要性。

另一方面，非参数方法有非常不同的衡量重要性的方法。用外行的话来说，衡量变量在树上的重要性可以通过检查它们与根节点的距离来完成。在集成方法中，例如 bagging，可以将变量的重要性计算为集成中的平均值，就像在这个stackoverflow 答案中一样。

主要区别在于，参数模型通过其参数具有显示变量重要性的方法，而非参数模型需要一些额外的工作。