Я использую cforest как метод машинного обучения. Как и в случае с «Случайным лесом», я хотел бы получить объяснение дисперсии и важность дисперсии на основе данных OOB (я читал, что случайный лес возвращает объяснение дисперсии и важность переменной на основе данных OOB). Чтобы сделать это с помощью cforest, я использовал следующий код:
model <- party::cforest(y ~ x1 + x2 + x3 + x4 , data=trainings_set , control=cforest_unbiased(ntree=1000, minsplit=25 , minbucket=8 , mtry=4))
model.pred <- predict(model, type="response" , OOB=TRUE)
R2=1 - sum((trainings_set$y-model.pred)^2)/sum((trainings_set$y-mean(trainings_set$y))^2)
varimp_model=party::varimp(model, conditional = TRUE, threshold = 0.2, OOB = TRUE)
Меня интересует, приведет ли команда OOB = TRUE к предсказанию модели и возвращению важности переменной на основе данных OOB из trainings_set?