我正在处理一个包含超过100个特征的大型数据集（这些特征都是相关的，因为它们已经过筛选；原始数据集有超过500个特征）。我使用caret包中的train()函数和“ranger”方法创建了一个随机森林模型。

这里有一个问题：如何提取所有变量的重要性，而不是只提取前20个最重要的变量？varImp()函数默认只输出前20个变量的重要性。

以下是一些示例代码（不包括训练集，因为它非常大）：

library(caret)rforest_model <- train(target_variable ~ .,                       data = train_data_set,                       method = "ranger",                       importance = "impurity")

这是提取变量重要性的代码：

varImp(rforest_model)

回答：

varImp函数提取所有变量的重要性（即使这些变量未被模型使用），它只是打印出前20个变量。考虑以下示例：

library(mlbench) #for data setlibrary(caret)library(tidyverse)set.seed(998)data(Ionosphere)rforest_model <- train(y = Ionosphere$Class,                       x = Ionosphere[,1:34],                       method = "ranger",                       importance = "impurity")nrow(varImp(rforest_model)$importance) #34 variables extracted

让我们检查它们：

varImp(rforest_model)$importance %>%   as.data.frame() %>%  rownames_to_column() %>%  arrange(Overall) %>%  mutate(rowname = forcats::fct_inorder(rowname )) %>%  ggplot()+    geom_col(aes(x = rowname, y = Overall))+    coord_flip()+    theme_bw()

请注意，在这个数据集中，V2是一个零方差特征，因此它的重要性为0，并且完全未被模型使用。