插入包中的特征选择功能

Question

我发帖是因为这篇帖子feture selection in caret已经帮助解决了我的问题，我在插入符号包中有2个关于功能选择功能的问题

当我在allsamplecombat中定义的5个类的基因表达式y=矩阵上运行下面的代码时：

control <- rfeControl(functions=rfFuncs, method="cv", number=10) results <- rfe(t(allsamplecombat[filter,]), y = factor(info$clust), sizes=c(300,400,500,600,700,800,1000,1200), rfeControl=control) 我得到像这样的外出

所以，我想知道我是否可以为每个类提取顶级特性，因为predictors(results)只是给出了我得到的特征而没有表明每个类的重要性。

我的第二个问题是，当我尝试将rfeControl functions更改为treebagFuncs并运行＆＃39; parRF`方法

control <- rfeControl(functions=treebagFuncs, method="cv", number=5) results <- rfe(t(allsamplecombat[filter,]), y = factor(info$clust), sizes=c(400,500,600,700,800), rfeControl=control, method="parRF") 我收到Error in { : task 1 failed - "subscript out of bounds"错误。

我的代码有什么问题？

Answer 1

对于重要性，有一个名为variables的子对象，其中包含每个消除步骤的信息。

treebagFuncs旨在与ipred的{​​{1}}函数一起使用，与随机森林无关。

您可能会使用bagging并将caretFuncs传递给它。 然而，如果要进行并行化处理，请执行重采样循环而不是模型函数。这通常更有效。请注意，如果您同时使用method个工作人员，实际上可能会M（一个用于M^3，一个用于rfe，一个用于train）。 parRF和rfe中有一些选项可以解决其并行问题。