我想在创建一个包含更多树的最终随机森林之前，使用rfcv来剔除数据集中不重要的变量（如果这不是使用该函数的正确方法，请纠正并告知我）。例如，

>     data(fgl, package="MASS")>     tst <- rfcv(trainx = fgl[,-10], trainy = fgl[,10], scale = "log", step=0.7)>     tst$error.cv        9         6         4         3         2         1 0.2289720 0.2149533 0.2523364 0.2570093 0.3411215 0.5093458

在这种情况下，如果我正确理解了结果，似乎我们可以删除三个变量而不会产生负面影响。然而，

>     attributes(tst)$names[1] "n.var"     "error.cv"  "predicted"

这些属性中没有一个告诉我可以从数据集中无害删除的前三个变量到底是哪些。

回答：

我认为rfcv的目的是建立你的准确性与你使用的变量数量之间的关系。当你有10个变量时，这可能看起来不太有用，但当你有数千个变量时，了解这些变量对预测能力的“贡献”就非常有用了。

正如你可能已经发现的，这段代码

rf<-randomForest(type ~ .,data=fgl)importance(rf)

会给你每个变量的相对重要性。