随机森林模型中的递归特征消除

Question

我目前正在使用随机森林模型中的递归特征消除来进行特征选择。结果证明具有交叉验证的最佳特征数量。但是，我也想知道这些输入功能的原始等级。

代码在这里：

control <- rfeControl(functions=rfFuncs, method="cv", number=20)
# run the RFE algorithm
results <- rfe(df[,1:53], df[,54], sizes=c(1:53), rfeControl=control)
# summarize the results
print(results)
# list the chosen features
predictors(results)
# plot the results
plot(results, type=c("g", "o"))

输出：

 Variables Accuracy  Kappa AccuracySD KappaSD Selected
         1   0.7881 0.5817     0.1435  0.2707         
         2   0.8714 0.7273     0.1402  0.2908         
         3   0.8202 0.6043     0.1595  0.3266         
         4   0.8286 0.6214     0.1645  0.3674         
         5   0.8286 0.6130     0.1814  0.3989         
         6   0.8357 0.6302     0.1624  0.3353         
         7   0.8440 0.6321     0.1266  0.2955         
         8   0.8690 0.6991     0.1385  0.3141         
         9   0.8607 0.6878     0.1456  0.3279 

predictors(results) #only showed feature identity within optimal number

然后，在最佳数量之后，我应该如何知道特征的身份？任何帮助将不胜感激。