[英]variable importance in multiclass
我有一个像 iris 这样的数据集,我的 y 是一个多类因子变量。 有什么方法可以看到method = rf
、 method = treebag
和method = boost
的相同结果,非常感谢。
data(iris); head(iris)
iris$Species <- factor(iris$Species)
set.seed(87)
inTrainingSet <- createDataPartition(iris$Species, p=.80,list=0)
train <- iris[inTrainingSet,]
test <- iris[-inTrainingSet,]
ctrl <- trainControl(method = "cv", number = 2, verboseIter = TRUE)
pls <- train(Species ~ Sepal.Length+Sepal.Width+Petal.Length+Petal.Width ,
method = "pls", data = iris,
trControl = ctrl)
attributes(varImp(pls))
varImp(pls)$importance
你的问题有几点,所以如果有一个内置的方法来为每个模型正确估计这个,你可以使用默认的useModel = FALSE
运行 varImp 。
对于随机森林,您在拟合时添加importance=TRUE
:
rf <- train(Species ~ Sepal.Length+Sepal.Width+Petal.Length+Petal.Width ,
method = "rf", data = iris,
trControl = ctrl,importance=TRUE)
varImp(rf)
rf variable importance
variables are sorted by maximum importance across the classes
setosa versicolor virginica
Petal.Length 66.94 100.00 85.40
Petal.Width 63.86 92.22 89.87
Sepal.Length 16.75 24.05 24.90
Sepal.Width 12.75 0.00 17.49
如果模型没有内置的多类,则使用成对 roc 曲线来推导这些重要性,请参阅有关此特殊性的脱字符页:
tb <- train(Species ~ Sepal.Length+Sepal.Width+Petal.Length+Petal.Width ,
method = "treebag", data = iris,
trControl = ctrl,importance=TRUE)
varImp(tb,useModel=TRUE)
treebag variable importance
Overall
Petal.Length 100.00
Petal.Width 99.17
Sepal.Length 32.23
Sepal.Width 0.00
varImp(tb,useModel=FALSE)
ROC curve variable importance
variables are sorted by maximum importance across the classes
setosa versicolor virginica
Petal.Width 100.00 100.00 100.0
Petal.Length 100.00 100.00 100.0
Sepal.Length 90.70 59.30 90.7
Sepal.Width 54.59 54.59 0.0
您没有指定使用哪种提升树方法,但我想您可以轻松使用上述选项之一
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.