在随机森林模型中删除响应变量的条件

Question

我想根据“均值下降基尼”和“均值下降精度”找到用于响应变量选择的标准。在我的原始数据集中，我有49个响应变量，并且我的机器花费大量时间（天）来提取栅格对象中的变量。然后，我寻找任何统计准则方法来删除随机森林（RF）模型中重要性较低的响应变量。我的一般示例出现问题：

#Packages
library(randomForest)
library(dplyr)

#Classical iris data set
data(iris)
Rep<-seq(1,length(iris[,1]))
all_iris<-cbind(Rep,iris)


#Tranning RF model
dg_o_cal<-all_iris %>% sample_n(150*0.8)
iris.rf <- randomForest(Species ~ Sepal.Length + Sepal.Width + Petal.Length 
+ Petal.Width, data=dg_o_cal, importance=TRUE, proximity=TRUE)

#Plot  Mean Decrease Gini and Mean Decrease Accuracy 
varImpPlot(iris.rf) 

现在，我想应用任何统计标准，例如，计算“平均下降基尼”和“平均下降准确度”为6.5的值。这样一来，将删除我的数据集的Septal.Width的重要性不高。我的最终模型是：

#Final RF
iris.rf2 <- randomForest(Species ~ Sepal.Length + Petal.Length 
+ Petal.Width, data=dg_o_cal, importance=TRUE, proximity=TRUE)
iris.rf2 
iris.rf

Call:
 randomForest(formula = Species ~ Sepal.Length + Petal.Length +      Petal.Width, data = dg_o_cal, importance = TRUE, proximity = TRUE) 
               Type of random forest: classification
                     Number of trees: 500
No. of variables tried at each split: 1

        OOB estimate of  error rate: 5%
Confusion matrix:
           setosa versicolor virginica class.error
setosa         36          0         0  0.00000000
versicolor      0         41         3  0.06818182
virginica       0          3        37  0.07500000

Call:
 randomForest(formula = Species ~ Sepal.Length + Sepal.Width +      Petal.Length + Petal.Width, data = dg_o_cal, importance = TRUE,      proximity = TRUE) 
               Type of random forest: classification
                     Number of trees: 500
No. of variables tried at each split: 2

        OOB estimate of  error rate: 5%
Confusion matrix:
           setosa versicolor virginica class.error
setosa         36          0         0  0.00000000
versicolor      0         41         3  0.06818182
virginica       0          3        37  0.07500000

有了这个，我删除了低重要性变量和连续错误率的OOB估计。然后，我的问题是，针对我的情况，有什么统计标准的方法？