Python 使用更多功能时，功能选择中的错误栏会增加？

下面我将使用随机林来确定特征的重要性。当使用大量功能且仅使用这些功能的一个子集时，我分别观察到以下结果：

---

使用所有可能的功能时，误差条急剧增加是否有特殊原因？负数有什么意义吗？（注意：两个图中x轴上的特定标签不一定对应。）

当您仅使用最重要的功能时，发生错误的可能性较小（或者模型错误地学习不应该学习的模式的可能性较小）

不使用功能重要性

• 您的模型很有可能在不应该的地方捕获模式，因此在不应该的地方重视不太重要的特性
• 另外，随机林是决策树的集合，有些可能捕获正确的特征重要性，有些可能不捕获
• 最重要的树具有如此高的错误率，因为在某些树中，它们可能会被完全忽略，或者被给予最少的重要性。而有些人可能会正确地捕捉到它
• 因此，频谱的两端都会导致如此高的错误率

使用功能重要性

• 连续删除最不重要的特征，导致在连续的树中，根本不会考虑该特征（因此特征重要性发生错误的可能性较小）
• 连续这样做可以提高反复选择更重要的特征进行分割的机会，因此误差相对较小