caret
+ ranger
を使用してランダムフォレストをトレーニングしました。
fit <- train(
y ~ x1 + x2
,data = total_set
,method = "ranger"
,trControl = trainControl(method="cv", number = 5, allowParallel = TRUE, verbose = TRUE)
,tuneGrid = expand.grid(mtry = c(4,5,6))
,importance = 'impurity'
)
次に、変数の重要性を確認します。ただし、これらのどれも機能しません。
> importance(fit)
Error in UseMethod("importance") : no applicable method for 'importance' applied to an object of class "c('train', 'train.formula')"
> fit$variable.importance
NULL
> fit$importance
NULL
> fit
Random Forest
217380 samples
32 predictors
No pre-processing
Resampling: Cross-Validated (5 fold)
Summary of sample sizes: 173904, 173904, 173904, 173904, 173904
Resampling results across tuning parameters:
mtry RMSE Rsquared
4 0.03640464 0.5378731
5 0.03645528 0.5366478
6 0.03651451 0.5352838
RMSE was used to select the optimal model using the smallest value.
The final value used for the model was mtry = 4.
もし私がそれを得ることができるかどうか、そしてどのようにそれを得ることができますか?
ありがとう。
varImp(fit)
が取得します。
それを理解するために、私はnames(fit)
を見たnames(fit$modelInfo)
を調べました-次に、オプションの1つとしてvarImp
が表示されます。
「レンジャー」パッケージの場合、あなたは重要性を呼び出すことができます
fit$variable.importance
補足として、str()を使用して、モデルで利用可能なすべての出力を確認できます。
str(fit)
@fmalaussenaによると
set.seed(123)
ctrl <- trainControl(method = 'cv',
number = 10,
classProbs = TRUE,
savePredictions = TRUE,
verboseIter = TRUE)
rfFit <- train(Species ~ .,
data = iris,
method = "ranger",
importance = "permutation", #***
trControl = ctrl,
verbose = T)
どちらかを渡すことができます"permutation"
または"impurity"
を引数importance
に。両方の値の説明はここにあります: https://alexisperrier.com/datascience/2015/08/27/feature-importance-random-forests-gini-accuracy.html