基于比例包容边际效应（PRIME）衡量变量重要性

研究人员提出一种名为比例包容边际效应（PRIME）的新度量方法，用于衡量统计学与机器学习中的变量重要性。该方法利用新型无模型变量选择技术识别活跃变量，并仅将其纳入计算，克服了比例边际效应（PME）计算成本高且仅适用于确定性模型的局限。测试函数和真实数据集分析表明，PRIME 能准确可靠地从含噪声的输入输出数据中量化变量重要性。