Question

我可以从“ nnet”和“ knn”模型中获得可变的重要性，但不能从“ lda”，“ lda2”和“ qda”中获得可变的重要性。

我正在使用varImp（）。我已经尝试了所有我能想到的一切，只是对可变的重要性没有正确的认识。

这是我训练模型的代码：

lda_model <- train(quality2 ~ ., 
                   data = train_data,
                   method = "lda",
                   preProcess = c("center", "scale"),
                   trControl = trainControl(method = "repeatedcv",
                                            number = 10,
                                            repeats = 2),
                   importance = TRUE)

这是我尝试检查重要性时遇到的错误：

> varImp(lda_model)
Error in model.frame.default(formula = y ~ x, na.action = na.omit, drop.unused.levels = TRUE) : 
  invalid type (list) for variable 'y'
In addition: Warning messages:
1: In mean.default(y, rm.na = TRUE) :
  argument is not numeric or logical: returning NA
2: In Ops.factor(left, right) : ‘-’ not meaningful for factors

我知道这意味着将其视为对象类列表而不是经过训练的模型，并且我已经在lda_model $ finalmodel等上对其进行了尝试，但是仍然无法正常工作。

使用lda / qda时如何获得有关模型的性能以及哪些变量的性能最佳的正确反馈？

Answer 1

我遇到了同样的问题，这似乎是由于在R中导入数据集的方式造成的。我首先使用{readxl}包进行了导入，而varImp（）无法正常工作。然后，我尝试从剪贴板导入，现在varImp正在使用{caret}构建我的lda模型。

我的{readxl}代码：

library(readxl)
glauc <- read_excel("Glaucome.xlsx", sheet="GlaucomaM")
rownames(glauc) <- glauc$IDENT
glauc$IDENT <- NULL
glauc$Class <- as.factor(glauc$Class)

library(caret)
numappr <- createDataPartition(glauc$Class, p=0.7)
appr <- glauc[numappr$Resample1,]
test <- glauc[-numappr$Resample1,]

Ctrl <- trainControl(summaryFunction=twoClassSummary,
                     classProbs=TRUE)
appr.lda <- train(Class~., data=appr, method="lda",
                  trControl=Ctrl, preProc = c("center","scale"),
                  metric="ROC")
varImp(appr.lda)

这会导致与您的错误消息相同。

Error: $ operator is invalid for atomic vectors
In addition: Warning messages:
1: In mean.default(y, rm.na = TRUE) :
  argument is not numeric or logical: returning NA
2: In Ops.factor(left, right) : ‘-’ not meaningful for factors

还有我的带有read.table（）和剪贴板的代码：

glauc <- read.table("clipboard", header=T, sep="\t", dec=".")
rownames(glauc) <- glauc$IDENT
glauc$IDENT <- NULL

library(caret)
numappr <- createDataPartition(glauc$Class, p=0.7)
appr <- glauc[numappr$Resample1,]
test <- glauc[-numappr$Resample1,]

Ctrl <- trainControl(summaryFunction=twoClassSummary,
                     classProbs=TRUE)
appr.lda <- train(Class~., data=appr, method="lda",
                  trControl=Ctrl, preProc = c("center","scale"),
                  metric="ROC")
varImp(appr.lda)

这导致结果（这里只有第一个）：

varImp(appr.lda)
ROC curve variable importance

  only 20 most important variables shown (out of 62)

     Importance
vari     100.00
varg      97.14
vars      94.52
phci      93.69
hic       92.02
phcg      90.55
tms       89.96

希望有帮助。

苏菲

使用“ lda2”，“ qda”，“ lda”从经过Caret训练的模型中检索变量重要性

1 个答案: