我正在使用mlr包的resample()函数对随机森林模型进行4000次二次采样(下面的代码段)。

如您所见,要在resample()中创建随机森林模型,我正在使用randomForest包。

我想获得每个子样本迭代的随机森林模型的重要性结果(所有类的准确性均值下降)。我现在可以得到的重要性指标是基尼系数的平均下降。

从mlr的源代码中可以看到,makeRLearner.classif.randomForest中的getFeatureImportanceLearner.classif.randomForest()函数(第69行)使用randomForest::importance()函数(第83行)从randomForest class的所得对象中获取重要性值。但是从源代码(第73行)可以看到,它使用2L作为默认值。我希望它使用1L(第75行)作为值(平均精度降低)。

如何将2L的值传递给resample()函数(下面的代码中的“ extract = getFeatureImportance”行),以便getFeatureImportanceLearner.classif.randomForest()函数获取该值并设置ctrl$type = 2L(第73行)?

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))



我的解决方案:mlr软件包的下载源代码。将源文件行73更改为1L(https://github.com/mlr-org/mlr/blob/v2.15.0/R/RLearner_classif_randomForest.R)。从命令行安装了软件包并使用了它。不是最佳解决方案,而是解决方案。

最佳答案

您提供了许多与您的问题实际上无关的细节,至少我是如何理解的。
所以我写了一个简单的MWE,其中包含答案。
想法是您必须为getFeatureImportance写一个简短的包装,以便可以传递自己的参数。 purrr的粉丝可以使用purrr::partial(getFeatureImportance, type = 2)做到这一点,但是在这里我手动编写了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)


如果您想进行引导,也许您还应该看看makeBaggingWrapper而不是通过resample解决此问题。

关于machine-learning - 从mlr包的重采样函数中获取特定的随机森林变量重要性评估,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/58923130/

10-12 22:37