R 在 RFE（递归特征消除）中使用我自己的模型来选择重要特征

Question

使用RFE，你可以得到特征的重要性等级，但现在我只能使用包内的模型和参数，如：lmFuncs(linear model),rfFuncs(random forest) 看来

caretFuncs

可以为自己的模型和参数做一些自定义设置，但我不知道细节，正式文件没有给出细节，我想将svm和gbm应用到这个RFE过程中，因为这是当前的我以前训练的模型，有人知道吗？

Answer 1

我尝试根据文档重新创建工作示例。您正确识别了caretFuncs 的使用，然后您可以在rfe 调用中设置模型参数（您也可以定义trainControl 对象等）。

# load caret
library(caret)

# load data, get target and feature column labels
data(iris)
col_names = names(iris);target = "Species"
feature_names = col_names[col_names!=target]

# construct rfeControl object
rfe_control = rfeControl(functions = caretFuncs, #caretFuncs here
                     method="cv",
                     number=5)

# construct trainControl object for your train method 
fit_control = trainControl(classProbs=T,
                        search="random")

# get results
rfe_fit = rfe(iris[,feature_names], iris[,target],
             sizes = 1:4,
             rfeControl = rfe_control,
             method="svmLinear",
             # additional arguments to train method here
             trControl=fit_control)

如果您想深入了解该问题，您可能需要访问以下链接。

rfe 带有基本代码 sn-ps 的文档：
https://www.rdocumentation.org/packages/caret/versions/6.0-80/topics/rfe

caretrfe 上的文档：
https://topepo.github.io/caret/recursive-feature-elimination.html

希望这会有所帮助！