我目前正在从事一个项目。我已经选择了我的功能，并想检查它们的重要性。如果有人可以帮助我，我会有一些疑问。

1-如果我将RandomForestClassifier与cross-validation一起使用来计算功能重要性，是否有意义？

2-我尝试使用cross_validate函数来计算特征重要性 https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.cross_validate.html。该函数提供test_score和train_score结果。我用10 Fold cross-validation获得的结果如下：

test_score [0.99950158,0.9997231,0.99994462,0.99977848,0.99983386,0.99977847,1.]

train_score [0.99998769,0.99998154,0.99997539,0.99997539]，

谁能解释这些结果？它表示什么？

3- cross_validate函数具有一个名为scoring的参数，该参数具有不同的评分值，例如accuracy，balanced_accuracy和f1。 scoring参数有什么作用？这些值是什么意思？我应该如何决定选择哪一个呢？我已经阅读了scikit-learn文档，但不清楚。

谢谢。