这是与此处提供的答案直接相关的问题:MLR random forest multi label get feature importance
总而言之,问题是为多标签分类问题生成变量重要性图。我正在处理另一个人提供的代码来生成 vimp 图:
library(mlr)
yeast = getTaskData(yeast.task)
labels = colnames(yeast)[1:14]
yeast.task = makeMultilabelTask(id = "multi", data = yeast, target = labels)
lrn.rfsrc = makeLearner("multilabel.randomForestSRC")
mod2 = train(lrn.rfsrc, yeast.task)
vi =randomForestSRC::vimp(mod2$learner.model)
plot(vi,m.target ="label2")
我不确定 randomForestSRC::vimp 图中 TRUE、FALSE 和 All 的含义。我阅读了软件包文档,但仍然无法弄清楚。
这种区别(真、假、全部)如何发挥作用?
最佳答案
在该示例中,您有 14 个可能的标签。如果你看一下数据:
head(yeast)
label1 label2 label3 label4 label5 label6 label7 label8 label9 label10
1 FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
2 FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE
3 FALSE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
4 FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
5 TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
6 FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
对于每个标签,例如 label2,有两个类:TRUE/FALSE。因此,在该图中,所有样本都是总体错误率或错误预测的比例。 TRUE/FALSE 分别用于 TRUE/FALSE 标签。因此,从该图中,您可以看到 TRUE 的误差较高,这意味着模型在正确预测 TRUE 时存在问题。
我们可以通过查看 oob 预测标签来检查这一点:
oob_labels = c(TRUE,FALSE)[max.col(vi$classOutput$label2$predicted.oob)]
table(yeast$label2, oob_labels)
oob_labels
FALSE TRUE
FALSE 1175 204
TRUE 614 424
您可以看到,对于 TRUE 标签(第二行),您得到 614/(614+424) = 0.5915222 错误。这大致就是您在图中看到的内容,TRUE 标签的错误率约为 0.6。
至于第二个变量重要性图,它是沿着相同的路线,整体的变量重要性,或TRUE/FALSE类,你可以看起来像:
par(mfrow=c(1,3))
for(i in colnames(mat)){barplot(mat[,i],horiz=TRUE,las=2)}
关于r - 如何解释通过 randomForestSRC::vimp 生成的变量重要性图?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61843010/