随机森林变量重要性排序时的影响为负值怎么办

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了随机森林变量重要性排序时的影响为负值怎么办相关的知识,希望对你有一定的参考价值。

参考技术A 换模型。
建议先把缺失数据impute出来,试试正常的线性回归lm,看看结果如何。之后再尝试考虑用randomforest,另外也建议用ranger包的ranger函数,又快又高效,数据量大的时候差别很明显。
随机森林进行特征重要性排序时使用的是置换特征的方式。

下标越界(随机森林的插入符号变量重要性)[重复]

【中文标题】下标越界(随机森林的插入符号变量重要性)[重复]【英文标题】:Subscript out of bounds (Caret variable importance for randomForest) [duplicate] 【发布时间】:2013-09-05 09:45:05 【问题描述】:

我已经用 R 训练了一个模型:

require(caret)
require(randomForest)
myControl = trainControl(method='cv',number=5,repeats=2,returnResamp='none')
model2 = train(increaseInAssessedLevel~., data=trainData, method = 'rf', trControl=myControl)

数据集相当大,但模型运行良好。我可以访问它的部分并运行以下命令:

> model2[3]
$results
  mtry      RMSE  Rsquared      RMSESD RsquaredSD
1    2 0.1901304 0.3342449 0.004586902 0.05089500
2   61 0.1080164 0.6984240 0.006195397 0.04428158
3  120 0.1084201 0.6954841 0.007119253 0.04362755

但我收到以下错误:

> varImp(model2)
Error in varImp[, "%IncMSE"] : subscript out of bounds

显然应该有一个包装器,但似乎不是这样:(cf:http://www.inside-r.org/packages/cran/caret/docs/varImp)

varImp.randomForest(model2)
Error: could not find function "varImp.randomForest"

但这特别奇怪:

> traceback()
No traceback available 

> sessionInfo()
R version 3.0.1 (2013-05-16)
Platform: x86_64-redhat-linux-gnu (64-bit)

locale:
 [1] LC_CTYPE=en_GB.UTF-8       LC_NUMERIC=C              
 [3] LC_TIME=en_GB.UTF-8        LC_COLLATE=en_GB.UTF-8    
 [5] LC_MONETARY=en_GB.UTF-8    LC_MESSAGES=en_GB.UTF-8   
 [7] LC_PAPER=C                 LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C            
[11] LC_MEASUREMENT=en_GB.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] parallel  stats     graphics  grDevices utils     datasets  methods  
[8] base     

other attached packages:
 [1] elasticnet_1.1     lars_1.2           klaR_0.6-9         MASS_7.3-26       
 [5] kernlab_0.9-18     nnet_7.3-6         randomForest_4.6-7 doMC_1.3.0        
 [9] iterators_1.0.6    caret_5.17-7       reshape2_1.2.2     plyr_1.8          
[13] lattice_0.20-15    foreach_1.4.1      cluster_1.14.4    

loaded via a namespace (and not attached):
[1] codetools_0.2-8 compiler_3.0.1  grid_3.0.1      stringr_0.6.2  
[5] tools_3.0.1  

【问题讨论】:

【参考方案1】:

train() 语句中,需要指定选项importance=T。这将传递给底层的随机森林调用。否则,不会计算重要性,给你这个错误。

【讨论】:

以上是关于随机森林变量重要性排序时的影响为负值怎么办的主要内容,如果未能解决你的问题,请参考以下文章

随机森林的oob估计是怎样选取数据的

怎么将随机森林的特征重要性和特征名对应上

特征筛选(随机森林)

为啥随机森林并行化后重要性会受到影响?

随机森林回归进行特征重要性排序时,如何同时得知特征x与预测量y之间是正相关还是负相关?

随机森林 sklearn 变量重要性