早上好
我对在R中使用MLR包计算袋装和提升回归树模型的功能重要性有疑问。我正在使用XGBOOST进行预测，而我正在使用套袋以估计预测不确定性。我的数据集比较大；约有1万个特征和观测值。预测效果很好（请参见下面的代码），但是我似乎无法计算出特征的重要性（下面代码的最后一行）。重要性函数崩溃，没有错误...并冻结了R会话。我看到了一些相关的python代码，人们似乎在计算每个袋装模型here和here的重要性。我也无法使它在R中正常工作。具体来说，我不确定如何在MLR（以下代码中的 mb 对象）产生的对象内访问单个模型。在python中，这似乎是微不足道的。在R中，我似乎无法提取ImageList，这在逻辑上似乎与我需要的最接近。所以我想知道是否有人对此问题有任何经验？
请参见下面的代码
mb$learner.model答案 0 :(得分：0)
如果设置L=[]
I=5
def change_var(i,l):
i=10
l.append(12)
print('Inside function I',i)
print('Inside function L',l)
global I
I=i
return i,l
change_var(I,L)
print('Outside function I',I)
print('Outside function L',L)
，则可以对特征重要性值取平均值。
基本上，您只需要应用bw.feats = 1中存储的所有单个模型。需要额外的注意，因为虽然采样设置使功能的顺序混乱，但我们将其设置为100％。
HomogeneousEnsembleModel