【发布时间】：2014-02-12 10:30:06
【问题描述】：
在caret 软件包和相关varImp() 的帮助系统中有：
偏最小二乘法：这里的变量重要性度量基于 关于绝对回归系数的加权和。权重 是整个平方和的减少的函数 PLS 组件的数量，并为每个结果单独计算。 因此，系数的贡献被加权 与平方和的减少成正比。
下面是caret包method="pls"分类模型的变量重要性输出：
> varImp(plsFitvac)
pls variable importance
variables are sorted by average importance across the classes
H P R Q
IL17A 9.516 100.000 19.813 61.20
IL8 17.814 1.344 80.628 34.33
IL6ST 10.319 75.452 62.296 68.41
IL23A 7.662 55.422 43.188 44.17
IL27RA 10.311 0.000 45.932 24.76
IL12RB2 15.497 28.467 38.848 33.73
IL12B 13.569 22.799 32.728 27.25
IL12RB1 12.292 23.431 6.395 18.67
IL12A 10.394 22.774 12.330 18.94
EBI3 12.039 6.932 14.877 11.01
IL23R 13.053 10.018 9.708 13.22
没关系，但是当我通过这行代码提取这个数据框时：
df <- varImp(plsFitvac)$importance
我得到了与上面相同的结果，但 未排序，但如果已排序会非常好。无论如何，为了根据类的平均重要性对这个数据框进行排序（如输出中所述），我这样做了：
df$Sort <- apply(df, 1, sum)
df$Sort <- df$Sort/ncol(df) # not needed since sum and average will be sorted alike
df[order(df$Sort,decreasing=TRUE),]
> df[order(df$Sort,decreasing=TRUE),]
H P R Q Sort
IL6ST 10.318521 75.451572 62.295779 68.40740 43.294655
IL17A 9.515726 100.000000 19.813439 61.20098 38.106029
IL23A 7.662351 55.422249 43.187811 44.16892 30.088267
IL8 17.813522 1.343589 80.628315 34.32519 26.822122
IL12RB2 15.497069 28.466890 38.847943 33.73476 23.309331
IL12B 13.569266 22.798682 32.727759 27.24567 19.268275
IL27RA 10.311489 0.000000 45.932101 24.76301 16.201321
IL12A 10.393673 22.773860 12.329890 18.94323 12.888131
IL12RB1 12.291526 23.431046 6.395495 18.66685 12.156983
IL23R 13.053380 10.018339 9.708473 13.22094 9.200227
EBI3 12.039321 6.931682 14.877214 11.00619 8.970881
因此，与通过varImp() 函数排序的caret 列表相比，最终得到了一个不同 的版本。我在这里错过了什么吗？谢谢。
注意：
我没有将importance = TRUE 参数传递给train() 调用PLSDA 模型，即method = "pls"。
$重要性
> dput(df)
structure(list(H = c(17.8135216215421, 9.51572613703257, 7.66235106434041,
13.0533801732928, 12.0393206867905, 10.3185210244416, 10.3936725783446,
15.4970686175322, 13.569265567599, 12.291526066084, 10.3114887728613
), P = c(1.34358921525031, 100, 55.4222485106407, 10.0183388053119,
6.93168239216908, 75.4515720604057, 22.7738599760963, 28.4668895810321,
22.7986823025468, 23.4310464801875, 0), R = c(80.6283150180913,
19.8134392303359, 43.1878112878907, 9.70847280019312, 14.8772141493434,
62.2957787591232, 12.3298895434334, 38.8479426109151, 32.7277593254102,
6.39549491068232, 45.932101268196), Q = c(34.3251855315416, 61.2009790458015,
44.1689231007598, 13.2209412495112, 11.0061874803613, 68.4074013762385,
18.9432341406872, 33.7347566350668, 27.2456691770754, 18.6668467881651,
24.7630136095146)), .Names = c("H", "P", "R", "Q"), row.names = c("IL8",
"IL17A", "IL23A", "IL23R", "EBI3", "IL6ST", "IL12A", "IL12RB2",
"IL12B", "IL12RB1", "IL27RA"), class = "data.frame")
问题：
如何衡量跨类的重要性？我可以信任varImp() 输出未排序吗？
编辑：max()对变量重要性进行排序的方法：
vi <- varImp(plsFitvac)$importance
vi$max <- apply(vi, 1, max)
vi[order(-vi$max),]
结果与varImp()相同：
varImp(plsFitvac)
产生了这个：
> vi[order(-vi$max),]
H P R Q max
IL17A 9.515726 100.000000 19.813439 61.20098 100.00000
IL8 17.813522 1.343589 80.628315 34.32519 80.62832
IL6ST 10.318521 75.451572 62.295779 68.40740 75.45157
IL23A 7.662351 55.422249 43.187811 44.16892 55.42225
IL27RA 10.311489 0.000000 45.932101 24.76301 45.93210
IL12RB2 15.497069 28.466890 38.847943 33.73476 38.84794
IL12B 13.569266 22.798682 32.727759 27.24567 32.72776
IL12RB1 12.291526 23.431046 6.395495 18.66685 23.43105
IL12A 10.393673 22.773860 12.329890 18.94323 22.77386
EBI3 12.039321 6.931682 14.877214 11.00619 14.87721
IL23R 13.053380 10.018339 9.708473 13.22094 13.22094
但是使用sum() 跨类的重要性会产生不同的排名（见上文）。那么哪一个是正确的，如果max() 方法中的关系发生了什么？
【问题讨论】：
-
除非您正在拟合随机森林模型，否则您不应该需要
importance = TRUE。 -
@topepo，我明白了。好的，我添加了
dput输出来检查类的平均重要性。