预测更准，变量更少
用随机森林筛选关键变量，让软测量模型在复杂工业数据下更稳定、更高效。
He, Li · Wang, Zhaojing · 胡新荣 · Xiaoyun, Yan · Yang, Fei · Ruan, Xiaoli
2023
随机森林给出变量重要性排序，让后续子集搜索有明确依据，避免盲目组合。
用 Mallow's Cp 值评估每个候选子集，在拟合精度和变量数目之间取得平衡，选出最优子集。
方法同时考虑单个和多个辅助变量对目标的影响，解决辅助变量过多和数据冗余的问题。
变量子集更小，后续训练支持向量回归模型的计算复杂度随之降低。