随机森林分析是一种广泛应用于分类与回归问题的机器学习方法。该方法通过构建随机森林模型，评估特征对分类的贡献度，挖掘标志性物种、代谢物或基因等关键驱动因子，并筛选出对样本分组预测准确率贡献最高的特征。

1.输入文件

1.1 样本分组与丰度表

一个包含行列名称的制表符分隔文本文件，每行代表一个样本：第一列为样本名称，第二列为分组信息(列名固定为Category)，其余各列代表基因（或物种/代谢物等特征）。

2.Output

3.图中仅显示贡献度最高的15个特征，每个特征对应的点越靠近右侧，表示其对分组预测准确率的贡献越大。图中右侧有颜色块表示不同分组（对照组Control和实验组Treatment）中该特征的表达水平（高表达为红色，低表达为绿色）。