Scikit learn scikit学习参考请求：树的功能重要性

我试图理解回归树（以及它们的集成对应物）的特征重要性是如何计算的。我正在查看

/sklearn/tree/\u tree.pyx

中函数

compute\u feature\u importances

的源代码，无法完全遵循逻辑，并且没有参考

抱歉，这可能是一个非常基本的问题，但我找不到一个很好的参考文献，我希望有人能给我指出正确的方向，或者快速解释代码，以便我继续挖掘

---

谢谢

参考资料在文档中，而不是代码中：

`feature_importances_` : array of shape = [n_features]
    The feature importances. The higher, the more important the
    feature. The importance of a feature is computed as the (normalized)
    total reduction of the criterion brought by that feature.  It is also
    known as the Gini importance [4]_.

.. [4] L. Breiman, and A. Cutler, "Random Forests",
       http://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm

---

我不熟悉sklearn中的决策树。R包中也有类似的功能。在这种情况下，它有很好的文档记录。谢谢Donebeo，我将对此进行调查。谢谢，这正是我想要的。