如何在 randomForest 中获取 finalModel 选择的特征？答案

【问题标题】：How to get finalModel selected features in randomForest?如何在 randomForest 中获取 finalModel 选择的特征？
【发布时间】：2017-06-13 02:10:50
【问题描述】：

我正在使用插入符号来训练一个 parRF 模型，它的 tunegrid 包含一系列 mtry = 3:20。

当算法完成时，它会打印以下内容：

 mtry  ROC        Sens       Spec     
   2    0.7420331  0.6204671  0.7424294
   3    0.7476080  0.6390894  0.7343044
   4    0.7472579  0.6364214  0.7376243
   5    0.7476245  0.6351781  0.7349261
   6    0.7476901  0.6340793  0.7424026
   7    0.7485309  0.6323017  0.7431485
   8    0.7477496  0.6330511  0.7459274
   9    0.7481676  0.6301848  0.7462164
  10    0.7472944  0.6298118  0.7496909
  11    0.7474194  0.6325235  0.7514651
  12    0.7470044  0.6303864  0.7512466
  13    0.7471885  0.6261626  0.7511862
  14    0.7460856  0.6264819  0.7522480
  15    0.7467873  0.6261324  0.7561996
  16    0.7479428  0.6255679  0.7550840
  17    0.7464456  0.6260585  0.7537030
  18    0.7466500  0.6236055  0.7542641
  19    0.7473104  0.6262634  0.7562870
  20    0.7473408  0.6232997  0.7595128

最好的ROC用mtry = 7。我想提取那七个特征，可以吗？

【问题讨论】：

标签： r random-forest decision-tree r-caret

【解决方案1】：

我的印象是mtry 决定了在树的每个节点/拆分处采样了多少特征。这并不意味着使用了 7 个功能。

您想在使用mtry = 7 时查看模型的特征重要性。

阅读可能有用：https://topepo.github.io/caret/variable-importance.html

文档中有一些示例解释了如何提取特征重要性以及指标的含义。

在对您提取的那些特征做出任何强有力的假设之前，请确保您的模型设置正确。

【讨论】：