我目前正在探索dismo包中的gbm函数，以创建用于物种分布建模的提升回归树。我使用了dismo的示例文档以及Elith等人于2008年在《动物生态学杂志》上发表的论文《提升回归树的工作指南》。在Elith等人的文章的第808至809页，作者解释了部分依赖图，并在第809页底部给出了一个例子（图6）。根据dismo的示例文档《用于生态建模的提升回归树》，gbm.plot“绘制响应变量对一个或多个预测变量的部分依赖关系”。
Gbm.plot创建的图形几乎与Elith等人论文中的例子完全相同。然而，有几个参数我无法设置以达到与论文中完全相同的图形效果。
-
论文中的Y轴采用logit尺度，并居中以使数据分布的平均值为零。gbm.plot中的Y轴表示拟合函数。
-
论文中的地毯图位于图表顶部，而gbm.step中的地毯图位于底部。
-
Gbm.plot使用变量名作为X轴标签。论文中使用了有意义的轴标签。
以下是Elith论文中的图与使用gbm.plot生成的图的对比
Elith等人2009年的图6
来自gbm.plot的图
我的解决方案
在寻找解决方案时，我发现了这个问题，它让我想到查看源代码（这是我第一次这样做）。通过源代码，我能够很好地了解函数的构成，但仍有许多我不理解的地方。
-
我不确定如何更改Y轴以转换为logit尺度并居中，使其平均值为零。
-
我能够更改源代码，将地毯图移到图表顶部。我找到了地毯函数的命令，并添加了
side=3参数。 -
对于变量名，我认为需要创建一个合适的变量名列表，将其附加到数据中，并以某种方式将其读入源代码。这对我来说仍然太难了。
我将非常感谢任何建议。我也认为，如果其他生态学家使用Elith的论文作为指导，他们可能会遇到相同的问题。
以下是我运行以生成图表的代码示例
gbm.plot(all.sum.tc4.lr001, rug=TRUE, smooth=TRUE, n.plots=9, common.scale=TRUE, write.title = FALSE, show.contrib=TRUE, plot.layout=c(2,3), cex.lab=1.5)
回答：
虽然晚了，但我可以提供一个解决问题3的变通方法：为gbm.plot添加自定义X轴标签。我相信有更好的方法，但这是我所做的。如果您有大量数据并且经常调整使用的变量，这个方法会很有帮助。
步骤1. 找到dismo包中gbm.plot的源代码。选择所有代码，创建一个新脚本，并将函数命名为gbm.plot2。搜索“var.name”。替换任何更改var.name的实例。例如：
var.name <- gbm.call$predictor.names[k]var.name <- x.label 替换为：
var.name <- labels[j]现在保存脚本并使用source()调用它，或者运行整个脚本以将gbm.plot2添加到全局环境中。
步骤2. 假设我们的数据框名为“df”，有200列。选择您想在gbm.step中调用的列号。
vars <- c(17, 175, 198)步骤3. 创建一个包含两列的数据框：一列包含您可能感兴趣的所有可能变量名，另一列包含您想要使用的标签。确保ColumnNames确实与“colnames(df)[vars]”中找到的匹配。
ColumnNames <- c("HiHorAve", "Elev", "Type5")Labels <- c("Hi Hello Avenue", "Probably Elevation", "Type 5 of Something")labels <- data.frame(ColumnNames,Labels)现在按它们在数据框中出现的顺序排列标签。如果您有许多变量并且数据框的形状经常变化，这会很有帮助。
labels <- labels[match(colnames(df)[vars], labels$ColumnNames),]步骤4. 像这样运行您的gbm.step方程：
BRTmodel<- gbm.step(data=df, gbm.x=vars, gbm.y = 5, .....)步骤5. 获取模型摘要——它按相对重要性对变量进行排序。然后按相对重要性排列标签。
smry1<- summary(BRTmodel)labels <- labels[order(match(names(df)[vars],smry1$var))]labels <- labels$Labels #将标签提取到一个向量中步骤6. 现在运行您的新gbm.plot脚本！
gbm.plot2(BRTmodel, n.plots=3, y.label="")它应该只绘制漂亮的标签。
