Python 如何在随机森林模型中调整特征权重？

我正在使用Scikit Learn的随机森林库，我想知道是否有可能更改特征权重，以便特定特征具有更大的影响。我查阅了随机森林文档，但我只看到我不感兴趣的类的权重变化

---

除了重写代码本身，还有别的方法吗？任何建议都将不胜感激。

尝试一些超参数技术，如sklearn的RandomizedSearchCV和GridSearchCV。模型选择

据我所知，你不应该这样做，因为算法本身更擅长通过计算每个决策树上的基尼杂质来决定哪个特征更重要。如果您想改进模型，我建议尝试增强模型而不是打包（随机森林）。XGBoost、LightGBM、CatBoost都是不错的选择，我个人喜欢使用CatBoost，因为它是boosting中最新的算法，可以提供更好的结果。

不知道为什么要这样做。你能详细说明一下吗？我有一个可解释的框架，告诉我哪些功能对输出影响最大。一旦我得到这个输出，我就试图改变我的随机森林模型的特征权重，看看精度是否得到提高。