有人能不能好心一点,用这样的代码指出一种提取拟合树中使用的列/特征的方法:
library(dplyr)
library(caret)
library(rpart)
df <- data.frame(
x1 = rnorm(100, 3, 1)
, x2 = rnorm(100, 5, 2)
, y = rnorm(100, 3, 1)
)
ivs <- df %>%
dplyr::select(
x1
, x2
)
fitted <- caret::train(
x = ivs
, y = df$y
)
model <-fitted$finalModel
model
此:
model$terms
给了你所有的术语(在x中(-所以不一定是曾经使用过的。
PS:
沿着这些路线的某些东西可能是前进的道路:
model$frame %>%
select(
var
) %>%
filter(
var != "<leaf>"
)
随机森林模型是决策树的集合,您可以使用函数varUsed
来获取树使用的变量。如果使用插入符号,则需要设置keep.forest=TRUE
:
library(caret)
set.seed(111)
X = matrix(runif(2000),ncol=20)
colnames(X) = paste0("col",1:20)
y = rnorm(100)
fitted <- train(x = X,y = y,trControl = trainControl(method="cv"),
keep.forest=TRUE,tuneGrid = data.frame(mtry=3:5))
我们查看所使用的变量,下表告诉每个变量(行(,它在每个树(列(中使用了多少次:
model <-fitted$finalModel
varUsed(model,by.tree=TRUE)
dim(varUsed(model,by.tree=TRUE))
[1] 20 500
head(varUsed(model,by.tree=TRUE))
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13] [,14]
[1,] 1 3 1 4 1 2 2 2 2 2 1 0 3 2
[2,] 2 4 2 2 3 3 1 4 1 3 1 4 0 4
[3,] 3 1 5 1 1 0 2 2 0 1 2 1 2 1
[4,] 4 0 2 3 1 0 2 1 4 2 1 2 1 1
[5,] 0 0 1 0 1 4 3 2 2 2 3 4 0 0
[6,] 1 2 1 3 2 2 2 1 1 1 1 1 2 3
您可以使用对此进行详细检查
head(getTree(model,1,labelVar=TRUE))
left daughter right daughter split var split point status prediction
1 2 3 col13 0.9651637 -3 0.04972823
2 4 5 col13 0.5825061 -3 -0.05466984
3 0 0 <NA> 0.0000000 -1 2.55528193
4 6 7 col6 0.8524606 -3 -0.30132135
5 8 9 col16 0.8011010 -3 0.51518018
6 10 11 col3 0.3629737 -3 -0.45289996
如果我们将split var
列制成表格,我们会得到与上一个表格相同的结果。