Bootstrap 森林方法的附加隨機化對於共線性輸入變量，我們期望相似的變數重要性。
但我們注意到，對於共線性輸入變量，JMP 根據提供給平台的順序選擇用於拆分的變量…而不是在頂級拆分候選者之間存在聯繫的情況下在這些拆分變量中隨機選擇。有些事情看起來很小……但如果我們想講述完整的故事，它最終會變得非常重要。
我們在 2020 年 5 月 22 日向 JMP 支援 (7613090128) 提出了這個問題，他們提到他們將轉交給 JMP 研發部門。在最近的高級預測建模研討會上，我引起了Chris Gotwalt 的注意，他很快就提出了一些額外的隨機化，這些隨機化也很快在他們的程式碼庫中實現，並且應該在16.2 或17.0中可用。
統計與分析回覆：引導森林方法的附加隨機化確認該問題將在 JMP 17 中解決。
回覆：引導森林方法的附加隨機化 - 狀態更改為：正在開發回覆：引導森林方法的附加隨機化我們可以關閉此投票並可能標記為已交付（或即將交付）。
