我试图确定单个变量在 LMT（逻辑模型树）DT（决策树）的 WEKA 实现中的重要性。
我想知道每个单独变量在分类任务中的贡献，因此需要确定每个单独变量的重要性。这是为了对我的结果进行更深入的分析。
我已经查看了“选择属性”选项卡和相应的算法（即主成分、信息增益、排名器等）；但是，这些算法提供了有关哪些组合或变量等级将有助于最好（或最有效或最快，取决于您的最终目标，分类器）的信息。
但是，我对排名或选择最重要的变量不感兴趣。我有兴趣确定每个变量对我的 DT 的最终分类分数有多大贡献（例如以百分比形式）。
我已经考虑一个一个地删除每个变量以确定分数如何变化；但我不确定这是否可以手动完成，因为最终分数可能取决于一些潜在的相关性，这就是为什么我想将所有变量一起使用（即使一个变量的贡献为零）做出此决定。
所以，问题是：有没有办法测量分类器中使用的每个单独变量的贡献（即使该贡献为零）？
提前感谢您的任何帮助。