如何解释通过randomForestSRC:：vimp生成的变量重要性图？

这是一个与此处提供的答案直接相关的问题：

总之，问题是关于为多标签分类问题生成可变重要性图。我正在处理另一个人提供的代码以生成vimp图：

library(mlr)
yeast = getTaskData(yeast.task)
labels = colnames(yeast)[1:14]
yeast.task = makeMultilabelTask(id = "multi", data = yeast, target = labels)
lrn.rfsrc = makeLearner("multilabel.randomForestSRC")
mod2 = train(lrn.rfsrc, yeast.task)

vi =randomForestSRC::vimp(mod2$learner.model)
plot(vi,m.target ="label2")

我不确定randomForestSRC:：vimp绘图中的TRUE、FALSE和All是什么意思。我阅读了软件包文档，但仍然无法理解它

---

这种区分（真、假、全）是如何工作的？

在这个例子中，您有14个可能的标签。如果您查看数据：

head(yeast)
  label1 label2 label3 label4 label5 label6 label7 label8 label9 label10
1  FALSE  FALSE   TRUE   TRUE  FALSE  FALSE  FALSE  FALSE  FALSE   FALSE
2  FALSE  FALSE  FALSE  FALSE  FALSE  FALSE   TRUE   TRUE  FALSE   FALSE
3  FALSE   TRUE   TRUE  FALSE  FALSE  FALSE  FALSE  FALSE  FALSE   FALSE
4  FALSE  FALSE   TRUE   TRUE  FALSE  FALSE  FALSE  FALSE  FALSE   FALSE
5   TRUE   TRUE  FALSE  FALSE  FALSE  FALSE  FALSE  FALSE  FALSE   FALSE
6  FALSE  FALSE   TRUE   TRUE  FALSE  FALSE  FALSE  FALSE  FALSE   FALSE

对于每个标签，例如label2，有两个类，TRUE/FALSE。所以在这个图中，在这个图中，所有的都是整体的错误率，或者说所有样本的预测都是错误的。TRUE/FALSE分别用于TRUE/FALSE标签。因此，从这个图中，您可以看到TRUE中的错误更高，这意味着模型无法正确预测TRUE

我们可以通过查看oob预测标签来检查这一点：

oob_labels = c(TRUE,FALSE)[max.col(vi$classOutput$label2$predicted.oob)]
table(yeast$label2, oob_labels)

       oob_labels
        FALSE TRUE
  FALSE  1175  204
  TRUE    614  424

您可以看到，对于真正的标签（第二行），您得到的614/（614+424）=0.5915222错误。这大致是您在图中看到的，TRUE label的错误率约为0.6

对于第二个变量重要性图，它是沿着相同的线绘制的，整体变量重要性，或真/假类，您可以如下所示：

par(mfrow=c(1,3))
for(i in colnames(mat)){barplot(mat[,i],horiz=TRUE,las=2)}

---

非常感谢您！最后一个问题。在第二个图中，变量的重要性有正值和负值。变量的vimp值为负值意味着什么？这是否表明拆分该变量会导致更大的预测误差？这取决于它是如何计算的。在randomForestSRC中，可以检查重要性的计算方式。它写道“树的x的VIMP定义为该树的扰动和未扰动错误率之间的差异。”因此平均错误率大于置换。。但这并不意味着包含它会导致更大的预测误差。所以这并不是针对这类问题的。你可以交叉询问他们，因为编辑总是相对于数据，无论大小。。。嗯，我通常说一个功能比另一个更重要或有用