Question

我对派对包中varimp()函数的行为感到困惑。

我在Strobl等人之后使用条件随机森林来获得变量重要性。 2009年的建议。

它适用于我的所有数据集但只有一个。我必须对这一点进行观察。但是，即使条件随机森林在整个数据集上正常运行，它也只返回子集的零...并且似乎根本没有运行但是没有生成错误。

我想知道预测变量的数量是否太少，只有少数观测值，并且仅使用有限数量的预测变量，但它给出了相同的结果。它似乎不是链接到变量类型，因为它在其他情况下被指出......

我显然缺少一些东西，但我无法弄清楚是什么......

如果有人对我应该关注的方向有所了解，我将非常感激。

我的数据here。

VarforCRF <- read.csv("Data.csv",sep=";",dec=",",row.names=1)
library(party)
set.seed(round(runif(1,0,1)*10000))

# Run just fine with the entire dataset
cRF <- cforest(Syrph_pred~.,data = VarforCRF, control = cforest_unbiased(ntree=100))
varimp(object = cRF,conditional = T)


CRF_West <- subset(VarforCRF,Sector == "West") 

# Does not seem to run at all with subset and return zeros
cRF_W <- cforest(Syrph_pred~.,data = CRF_West, control = cforest_unbiased(ntree=100))
varimp(object = cRF_W,conditional = T)

Answer 1

您的子样本CRF_West太小，无法在森林树木中产生任何分裂。该数据具有23个观察结果，从中为每棵树绘制约2/3的自举样本。但是，用于拆分的节点的最小尺寸是20个观测值，最小节点尺寸为7个观测值，请参阅?ctree_control。

要强制树/林分割，可以使用较小的值，例如

cRF_W <- cforest(Syrph_pred~.,data = CRF_West,
  control = cforest_unbiased(ntree=100, minsplit = 15, minbucket = 5))

对于此林，您将获得非零变量重要性。然而，这是否会在如此小的样本上产生特别好/可靠的结果是一个不同的问题。

最后的评论：尝试通过设置种子使计算可重现是好的，非常有用。然而，对随机种子使用（不可再现的）随机数会破坏整个事物......

varimp（R party）仅返回零

1 个答案: