一种基于树的异构集成变量选择方法

本发明涉及一种基于树的异构集成变量选择方法，包括：使用多个传感器采集潜在的输入变量；使用决策树回归算法、回归树的自举聚合算法、梯度增强决策树算法和梯度增强随机森林算法对每个输入变量的重要性进行预测得到每个输入变量的重要性得分，对这些重要性得分进行加权，并确定最佳输入变量的数量；将最佳输入变量作为样本集用以完成目标模型的回归训练。本发明通过动态加权融合决策树回归算法、回归树的自举聚合算法、梯度增强决策树算法和梯度增强随机森林算法四种异质树模型的变量重要性，使变量选择过程兼具局部敏感性与全局稳定性，有效避免单一模型因过拟合或噪声干扰导致的变量遗漏问题。