R tidy建模框架内可变重要性图的集成

有人能告诉我如何在tidy建模框架内生成基于置换的变量内插吗？目前，我有：

library(tidymodels)

# variable importance
final_fit_train %>%
  pull_workflow_fit() %>%
  vip(geom = "point",
      aesthetics = list(color = cbPalette[4],
                        fill = cbPalette[4])) +
  THEME +
  ggtitle("Elastic Net")

这就产生了：

然而，我想要这样的东西

我不清楚新的tidy建模框架如何与当前的VIP包集成。任何能帮忙的人。谢谢

---

（VIP软件包的API）。

要使用排列计算变量重要性，与使用模型因变量重要性相比，只需要多放几块就可以了

让我们看一个SVM模型的例子，它没有模型因变量重要性得分

库（tidymodels）
#> ── 附加包──────────────────────── tidymodels 0.1.1──
#> ✓ 扫帚0.7.0✓ 配方0.1.13
#> ✓ 刻度盘0.0.8✓ rsample 0.0.7
#> ✓ dplyr 1.0.0✓ tibble3.0.3
#> ✓ GG2.3.2✓ tidyr 1.1.0
#> ✓ 推断0.5.3✓ 调谐0.1.1
#> ✓ modeldata 0.0.2✓ 工作流0.1.2
#> ✓ 欧防风0.1.2✓ 尺度0.0.7
#> ✓ purrr 0.3.4
#> ── 冲突─────────────────────────── tidymodels_冲突（）──
#>x purrr:：discard（）遮罩比例：：discard（）
#>x dplyr:：filter（）屏蔽stats:：filter（）
#>x dplyr:：lag（）屏蔽stats:：lag（）
#>x配方：：步骤（）遮罩统计：：步骤（）
数据（“hpc_数据”）
svm_规格%
设置引擎（“内核实验室”）%%>%
设置_模式（“回归”）
svm_拟合%
添加_模型（svm_规范）%>%
添加_公式（化合物~.）%%>%
拟合（hpc_数据）
支持向量机拟合
#> ══ 工作流程[培训]════════════════════════════════════════════
#>预处理器：公式
#>模型：svm_poly（）
#> 
#> ── 预处理器──────────────────────────────────────────────────
#>化合物~。
#> 
#> ── 模型─────────────────────────────────────────────────────────
#>“ksvm”类的支持向量机对象
#> 
#>SV类型：eps svr（回归）
#>参数：ε=0.1成本C=0.25
#> 
#>多项式核函数。
#>超参数：度=1比例=1偏移=1
#> 
#>支持向量数：2827
#> 
#>目标函数值：-284.7255
#>训练错误：0.835421

我们的模型现在经过了训练，可以计算变量的重要性了。请注意以下几个步骤：

• 将安装的模型对象从工作流中拉出
• 您必须指定目标/结果变量，

  components

• 在这种情况下，我们需要传递原始训练数据（此处使用训练数据，而不是测试数据）和正确的预测底层函数（在某些情况下，这可能很难理解，但对于大多数软件包来说，这只是

  predict（）

  ）

库（vip）
#> 
#>附上包裹：“vip”
#>以下对象已从“package:utils”屏蔽：
#> 
#>六
svm_拟合%>%
pull_workflow_fit（）%>%
vip（method=“permute”，
target=“components”，metric=“rsquared”，
pred_包装器=kernlab:：predict，train=hpc_数据）

由（v0.3.0）于2020年7月17日创建

---

您可以在此处增加

nsim

多次执行此操作。

Hi这可能适用于kernlab（svm），但似乎不适用于glmnet对象。我得到以下错误：predict.glmnet（object，newdata=train_x）中的错误：您需要为glmnet的'newx'@Pieter JanInghelbrecht提供一个值。我建议您使用特定于模型的变量重要性。@JuliaSilge您能给我一个来源，或者请解释“重要性”数字的实际含义吗？这些是每个变量的系数估计值吗？@Shai，这取决于模型的具体情况。查看变量重要性是什么的透视图，以及一些示例