随机森林，虽然可以用于回归，但结果并不如线性回归模型好，甚至会更差。
随机森林，本质上是决策树，主要还是用于分类。
如果要用随机森林实现你的想法，要有足够的样本数能够划分出训练集和测试集，变量也要有尽可能多才适合。
如果目标变量是二分类，结果就是你说的能否入选。但这种情况，是无法比较入选可能性的，算法本身原理不复杂，但执行过程是黑匣子，结果中也没有你能据以判断可能性高低的数据。可以安慰的是，可以判断变量的重要性，提示你需要更关注哪几个变量。
如果目标变量变成入选排名1~3甚至是1~5，那么结果就是入选的可能性高低。模型出来后，用测试集验证一下，检查ROC结果。但问题是，这个变量的取值怎么来的呢？恐怕没有历史数据可用，拍脑袋想也没意义。

非常感谢您认真的回复，我曾经尝试用逻辑回归做过，但是因为变量有十几个且他们之间的共线性太严重了，所以换成了随机森林，我在网上搜索了predict(model, data, type = "prob") ，不知道这是否可以代表选中的概率呢

请问有什么更好的方法吗，非常感谢