Non capisco che è la differenza tra varImp
funzione (caret
pacchetto) e importance
funzione (randomForest
pacchetto) per un modello Foresta a caso:Differenza tra varImp (accento circonflesso) e l'importanza (foresta casuale) per la foresta a caso
I calcolato un semplice modello di classificazione RF e quando si calcola variabile importante, ho trovato che la "classifica" dei predittori non era lo stesso per entrambe le funzioni:
Ecco il mio codice:
rfImp <- randomForest(Origin ~ ., data = TAll_CS,
ntree = 2000,
importance = TRUE)
importance(rfImp)
BREAST LUNG MeanDecreaseAccuracy MeanDecreaseGini
Energy_GLCM_R1SC4NG3 -1.44116806 2.8918537 1.0929302 0.3712622
Contrast_GLCM_R1SC4NG3 -2.61146974 1.5848150 -0.4455327 0.2446930
Entropy_GLCM_R1SC4NG3 -3.42017102 3.8839464 0.9779201 0.4170445
...
varImp(rfImp)
BREAST LUNG
Energy_GLCM_R1SC4NG3 0.72534283 0.72534283
Contrast_GLCM_R1SC4NG3 -0.51332737 -0.51332737
Entropy_GLCM_R1SC4NG3 0.23188771 0.23188771
...
Pensavo che usassero lo stesso "algoritmo" ma non ne sono sicuro ora.
EDIT
Per riprodurre il problema, il ionosphere
set di dati (pacchetto kknn) può essere utilizzato:
library(kknn)
data(ionosphere)
rfImp <- randomForest(class ~ ., data = ionosphere[,3:35],
ntree = 2000,
importance = TRUE)
importance(rfImp)
b g MeanDecreaseAccuracy MeanDecreaseGini
V3 21.3106205 42.23040 42.16524 15.770711
V4 10.9819574 28.55418 29.28955 6.431929
V5 30.8473944 44.99180 46.64411 22.868543
V6 11.1880372 33.01009 33.18346 6.999027
V7 13.3511887 32.22212 32.66688 14.100210
V8 11.8883317 32.41844 33.03005 7.243705
V9 -0.5020035 19.69505 19.54399 2.501567
V10 -2.9051578 22.24136 20.91442 2.953552
V11 -3.9585608 14.68528 14.11102 1.217768
V12 0.8254453 21.17199 20.75337 3.298964
...
varImp(rfImp)
b g
V3 31.770511 31.770511
V4 19.768070 19.768070
V5 37.919596 37.919596
V6 22.099063 22.099063
V7 22.786656 22.786656
V8 22.153388 22.153388
V9 9.596522 9.596522
V10 9.668101 9.668101
V11 5.363359 5.363359
V12 10.998718 10.998718
...
penso che mi manca qualcosa ...
EDIT 2
Ho capito che se si fare la media di ogni riga dei primi due colonne di importance(rfImp)
, si ottengono i risultati di varImp(rfImp)
:
impRF <- importance(rfImp)[,1:2]
apply(impRF, 1, function(x) mean(x))
V3 V4 V5 V6 V7 V8 V9
31.770511 19.768070 37.919596 22.099063 22.786656 22.153388 9.596522
V10 V11 V12
9.668101 5.363359 10.998718 ...
# Same result as in both columns of varImp(rfImp)
Non so perché questo sta accadendo, ma ci deve essere una spiegazione per questo.
Un esempio riproducibile è necessario affinché le persone rispondano esattamente alla domanda. – topepo
Siamo spiacenti. Ho trovato che lo stesso problema si verifica quando si utilizza il set di dati 'ionosphere'. Ho intenzione di modificare la domanda –
@topepo, qual è la tua opinione? Spero che tu possa aiutare a spiegare le differenze .. –