Comment obtenir les caractéristiques sélectionnées de finalModel dans randomForest?

Question

J'utilise caret pour former un modèle parRF avec un tunegrid qui contient une séquence de mtry = 3:20.

Lorsque l'algorithme se termine, il imprime les éléments suivants:

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 

Le meilleur ROC utilisé mtry = 7. Je veux extraire ces sept caractéristiques, est-il possible?

Answer 1

J'avais l'impression que le mtry détermine le nombre d'entités échantillonnées à chaque nœud/division de l'arbre. Cela ne signifie pas que 7 caractéristiques ont été utilisées.

Vous souhaitez examiner l'importance du modèle lorsque vous utilisez mtry = 7.

peut être utile de lire: https://topepo.github.io/caret/variable-importance.html

Il y a quelques exemples dans la documentation qui expliquent comment extraire fonction importance et ce que les paramètres moyens.

Assurez-vous que votre modèle est configuré correctement avant de formuler des hypothèses solides sur les fonctionnalités que vous extrayez.