特征重要性评估是一种方法，用于确定机器学习模型中的特征的重要性。这种方法可以帮助我们了解哪些特征对模型的预测结果影响最大，从而帮助我们更好地理解模型和数据。

在机器学习中，特征重要性评估通常使用以下方法之一：Lasso回归、Ridge回归、Elastic Net回归、AdaBoost、XGBoost等。