具有ranger的可变重要性

我用插入符号训练了一个随机森林

fit <- train(
    y ~ x1 + x2
    ,data = total_set
    ,method = "ranger"
    ,trControl = trainControl(method="cv", number = 5, allowParallel = TRUE, verbose = TRUE)
    ,tuneGrid = expand.grid(mtry = c(4,5,6))
    ,importance = 'impurity'
)

你知道我能不能得到它吗

谢谢。

varImp（fit）

将为您购买

---

为了弄清楚这一点，我查看了

names（fit）

，这使我找到了

names（fit$modelnfo）

——然后您将看到

varImp

作为选项之一。

根据@fmalaussena

set.seed(123)
ctrl <- trainControl(method = 'cv', 
                     number = 10,
                     classProbs = TRUE,
                     savePredictions = TRUE,
                     verboseIter = TRUE)

rfFit <- train(Species ~ ., 
               data = iris, 
               method = "ranger",
               importance = "permutation", #***
               trControl = ctrl,
               verbose = T)

set.seed（123）
ctrl对于“ranger”软件包，您可以使用

fit$variable.importance

作为旁注，您可以使用str（）看到模型的所有可用输出

是的，同时我也在潜入插入符号的文档中找到了它。不过，感谢您提供了查找信息的有用方法！事实证明，
varImp（）
对于大多数使用caret的
train（）
训练的模型来说是获得可变重要性的方法。不过，请注意未来的用户：我不是100%确定，也没有时间检查，但似乎有必要将
重要性='杂质'
（我想
重要性='排列'
也会起作用）作为
train（）中的参数传递给
train（）
，以便能够使用
varImp（）
。另一个注意事项：如果您使用
ranger
训练您的模型，但不使用
插入符号
，那么
重要性（适合）
将是获得可变重要性的正确方法。如上所述，我认为参数
重要性='杂质'
（或'permutation'）应该在
train（）
中，奇怪的是，它对我不起作用。没有可用的重要值。。。嗯，这对我不管用。该函数存在，但它没有返回可用的重要值？只是为了清楚起见，
ranger
的默认值是不计算
重要值
。您必须明确指定
重要性='杂质'
或
重要性='排列'
，才能使这些方法中的任何一种起作用，即使您使用的是
train
。
fit$variable.importance

str(fit)