Исключение рекурсивных признаков в модели случайного леса - PullRequest
Новая
       81

Исключение рекурсивных признаков в модели случайного леса

0 голосов
/ 08 октября 2019

В настоящее время я работаю над выбором объектов, используя рекурсивное исключение объектов в модели случайного леса. В результате получается оптимальное количество признаков с перекрестной проверкой. Тем не менее, я также хочу знать оригинальный ранг этих входных функций.

Коды здесь: 

control <- rfeControl(functions=rfFuncs, method="cv", number=20)
# run the RFE algorithm
results <- rfe(df[,1:53], df[,54], sizes=c(1:53), rfeControl=control)
# summarize the results
print(results)
# list the chosen features
predictors(results)
# plot the results
plot(results, type=c("g", "o"))

Вывод: 

 Variables Accuracy  Kappa AccuracySD KappaSD Selected
         1   0.7881 0.5817     0.1435  0.2707         
         2   0.8714 0.7273     0.1402  0.2908         
         3   0.8202 0.6043     0.1595  0.3266         
         4   0.8286 0.6214     0.1645  0.3674         
         5   0.8286 0.6130     0.1814  0.3989         
         6   0.8357 0.6302     0.1624  0.3353         
         7   0.8440 0.6321     0.1266  0.2955         
         8   0.8690 0.6991     0.1385  0.3141         
         9   0.8607 0.6878     0.1456  0.3279 

predictors(results) #only showed feature identity within optimal number

Тогда как мне узнать идентичность функций после оптимального числа? Любая помощь будет высоко ценится.

...