caret 包中的特征选择函数答案

【问题标题】：feature selection function in caret packagecaret 包中的特征选择函数
【发布时间】：2018-05-03 13:45:11
【问题描述】：

我发布这个是因为这个帖子feture selection in caret 已经解决了我的问题，并且我有 2 个关于插入符号包中的功能选择功能的问题

当我在我的基因表达矩阵allsamplecombat 上运行下面的代码时，y= 中定义了 5 个类：

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) 我得到了这样的输出

所以，我想知道我是否可以为每个类提取顶级特征，因为predictors(results) 只是给我结果特征，而没有指出每个类的重要性。

我的第二个问题是，当我尝试将 rfeControl functions 更改为 treebagFuncs 并运行 'parRF` 方法时

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？

【问题讨论】：

标签： r classification r-caret

【解决方案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bagging 函数一起使用，并且与随机森林无关。

您可能会使用caretFuncs 并将method 传递给它。但是，如果您要并行化某些东西，请对重采样循环而不是模型函数执行此操作。这通常更有效。请注意，如果您同时使用 M 工人，您实际上可能会得到M^3（一个用于rfe，一个用于train，一个用于parRF）。 rfe 和 train 中有选项可以关闭它们的并行性。

【讨论】：