在循环中存储多个模型并保存这些以比较变量答案

【问题标题】：Storing Multiple Models in Loop and save these to compare Variables在循环中存储多个模型并保存这些以比较变量
【发布时间】：2022-10-01 00:50:37
【问题描述】：

我有兴趣使用 RandomForest 作为我的分类问题模型。我已经能够运行一个非常简单的模型进行初始测试。但是，我想尝试使用嵌套循环来运行各种模型并将它们保存到向量中。这主要是为了做到原则上的两个目标：

从我的循环中提取最佳模型（或者获取这些模型的平均值？）

比较我的模型之间最重要的变量，看看哪些是每个预测中最常选择的特征。

我目前正在使用 Iris 数据集进行测试，以查看在应用到具有更多功能（> 100 :) 的更大数据集之前这是多么可行

嵌套模型示例

到目前为止，我有以下内容：

#Set Control
myControl = trainControl(method = \"cv\", number = 10)

#Set a counter
myCounter <- 0

RFModel_Vector <- c()

#Nested Loop to select best model
for (i in 0:2)
{
    # Train a default Random Forest Model
    RFModel_Vector <- randomForest(y = factor(iris$Species), 
                         x = iris[, colnames(iris) != \"Species\"],
                         importance = TRUE,
                         proximity = TRUE, 
                         trControl = myControl,
                         metric = \"Accuracy\",
                         ntree = 100)
    # Count Number of Loops
    myCounter = counter + 1
    print (myCounter)
}

我还看到有一个函数caretList 可用于集成方法。

我不完全确定如何去做。有什么帮助吗？

Boruta R 包使用随机森林进行特征选择。

标签： r machine-learning random-forest caret

【解决方案1】：

创建一个list 来存储输出，因为模型输出对象本身就是list，最好将其存储在list 中

RFModel_Vector <- vector('list', 3)
for (i in seq_along(RFModel_Vector))
{
    # Train a default Random Forest Model
    RFModel_Vector[[i]] <- randomForest(y = factor(iris$Species), 
                         x = iris[, colnames(iris) != "Species"],
                         importance = TRUE,
                         proximity = TRUE, 
                         trControl = myControl,
                         metric = "Accuracy",
                         ntree = 100)
   
}

【讨论】：