Importance Variable à l'aide de l'accent circonflexe paquet (erreur); RandomForest algorithme

Je suis en train d'essayer d'obtenir la variable importance d'un rf modèle en quelque sorte. C'est l'approche que j'ai essayé jusqu'à présent, mais alterne les suggestions sont les bienvenues.

J'ai formé un modèle dans R:

require(caret)
require(randomForest)
myControl = trainControl(method='cv',number=5,repeats=2,returnResamp='none')
model2 = train(increaseInAssessedLevel~., data=trainData, method = 'rf', trControl=myControl)

Le jeu de données est assez grand, mais le modèle fonctionne très bien. Je peux accéder à ses parties, et d'exécuter des commandes telles que:

> model2[3]
$results
  mtry      RMSE  Rsquared      RMSESD RsquaredSD
1    2 0.1901304 0.3342449 0.004586902 0.05089500
2   61 0.1080164 0.6984240 0.006195397 0.04428158
3  120 0.1084201 0.6954841 0.007119253 0.04362755

Mais j'obtiens l'erreur suivante:

> varImp(model2)
Error in varImp[, "%IncMSE"] : subscript out of bounds

Apparemment il n'est pas censé être un wrapper, mais cela ne semble pas être le cas: (cf:http://www.inside-r.org/packages/cran/caret/docs/varImp)

varImp.randomForest(model2)
Error: could not find function "varImp.randomForest"

Mais c'est particulièrement étrange:

> traceback()
No traceback available 

> sessionInfo()
R version 3.0.1 (2013-05-16)
Platform: x86_64-redhat-linux-gnu (64-bit)

locale:
 [1] LC_CTYPE=en_GB.UTF-8       LC_NUMERIC=C              
 [3] LC_TIME=en_GB.UTF-8        LC_COLLATE=en_GB.UTF-8    
 [5] LC_MONETARY=en_GB.UTF-8    LC_MESSAGES=en_GB.UTF-8   
 [7] LC_PAPER=C                 LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C            
[11] LC_MEASUREMENT=en_GB.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] parallel  stats     graphics  grDevices utils     datasets  methods  
[8] base     

other attached packages:
 [1] elasticnet_1.1     lars_1.2           klaR_0.6-9         MASS_7.3-26       
 [5] kernlab_0.9-18     nnet_7.3-6         randomForest_4.6-7 doMC_1.3.0        
 [9] iterators_1.0.6    caret_5.17-7       reshape2_1.2.2     plyr_1.8          
[13] lattice_0.20-15    foreach_1.4.1      cluster_1.14.4    

loaded via a namespace (and not attached):
[1] codetools_0.2-8 compiler_3.0.1  grid_3.0.1      stringr_0.6.2  
[5] tools_3.0.1

OriginalL'auteur Jakub Langr | 2013-09-02

  1. 28

    L'importance des scores peut prendre un certain temps à calculer et train de ne pas obtenir automatiquement randomForest de les créer. Ajouter importance = TRUE à la train appel et cela devrait fonctionner.

    Max

    OriginalL'auteur topepo

  2. 3

    C'est parce que l'obtenus à partir de train() objet n'est pas un pur Hasard de la Forêt modèle, mais une liste d'objets différents (contenant le modèle final lui-même ainsi que la validation croisée des résultats, etc). Vous pouvez les voir avec ls(model2). Donc pour utiliser le modèle final appelez simplement varImp(model2$finalModel) .

    Cela ne fonctionne pas pour moi, je l'ai fait travailler par l'ajout d'importance = TRUE.

    OriginalL'auteur O_Devinyak