從 mlr 包的重采樣 function 中獲取特定的隨機森林變量重要性度量

Question

我正在使用mlr包的resample() function 對隨機森林 model 進行子采樣 4000 次（下面的代碼片段）。

如您所見，要在resample()中創建隨機森林模型，我使用的是randomForest package。

我想獲得每個子樣本迭代的隨機森林模型的重要性結果（所有類的准確性平均下降）。 作為重要性衡量標准，我現在可以得到的是基尼指數的平均下降。

What I can see from the source code of mlr, getFeatureImportanceLearner.classif.randomForest() function (line 69) in makeRLearner.classif.randomForest uses randomForest::importance() function (line 83) to get importance value from the resulting object of隨機森林 class randomForest 但是從源代碼（第 73 行）可以看出，它使用 2L 作為默認值。 我希望它使用 1L（第 75 行）作為值（平均精度下降）。

如何將 2L 的值傳遞給resample() function，（下面代碼中的“extract = getFeatureImportance”行）以便getFeatureImportanceLearner.classif.randomForest() function 獲取該行值並設置ctrl$type = 2L ?

rf_task <- makeClassifTask(id = 'task',
                           data = data[, -1], target = 'target_var',
                           positive = 'positive_var')

rf_learner <- makeLearner('classif.randomForest', id = 'random forest',
                          par.vals = list(ntree = 1000, importance = TRUE),
                          predict.type = 'prob')

base_subsample_instance <- makeResampleInstance(rf_boot_desc, rf_task)

rf_subsample_result <- resample(rf_learner, rf_task,
                                base_subsample_instance,
                                extract = getFeatureImportance,
                                measures = list(acc, auc, tpr, tnr,
                                                ppv, npv, f1, brier))

我的解決方案：下載了 mlr package 的源代碼。 將源文件第 73 行更改為 1L ( https://github.com/mlr-org/mlr/blob/v2.15.0/R/RLearner_classif_randomForest.R )。 從命令行安裝 package 並使用它。 不是最佳解決方案，而是解決方案。

Answer 1

您提供了許多實際上與您的問題無關的細節，至少我是如何理解的。 所以我寫了一個包含答案的簡單 MWE。 這個想法是您必須為getFeatureImportance編寫一個簡短的包裝器，以便您可以傳遞自己的 arguments。 purrr的粉絲可以使用purrr::partial(getFeatureImportance, type = 2)來做到這一點，但在這里我手動編寫了myExtractor 。

library(mlr)
rf_learner <- makeLearner('classif.randomForest', id = 'random forest',
                          par.vals = list(ntree = 100, importance = TRUE),
                          predict.type = 'prob')

measures = list(acc, auc, tpr, tnr,
                ppv, npv, f1, brier)

myExtractor = function(.model, ...) {
  getFeatureImportance(.model, type = 2, ...)
}

res = resample(rf_learner, sonar.task, cv10, 
               measures = measures, extract = myExtractor)

# first feature importance result:
res$extract[[1]]

# all values in a matrix:
sapply(res$extract, function(x) x$res)

如果你想做一個引導學習者，也許你還應該看看makeBaggingWrapper而不是通過resample解決這個問題。