varimp（R 方）仅返回零

Question

我对派对包中 varimp() 函数的行为感到困惑。

我正在使用条件随机森林来获得 Strobl 等人的变量重要性。 2009 年的建议。

它适用于我所有的数据集，但只有一个。我必须将我的观察进行子集化。 但是，即使条件随机森林在完整数据集上正常运行，它也只会为子集返回零……而且似乎根本不运行，但不会产生错误。

我想知道预测变量的数量是否太多，只能进行少量观察，并尝试仅使用有限数量的预测变量，但它给了我相同的结果。 正如在其他情况下指出的那样，它似乎也没有链接到变量类型......

我显然错过了一些东西，但我就是不知道是什么......

如果有人对我应该关注的方向有所了解，我将不胜感激。

我的数据here。

VarforCRF <- read.csv("Data.csv",sep=";",dec=",",row.names=1)
library(party)
set.seed(round(runif(1,0,1)*10000))

# Run just fine with the entire dataset
cRF <- cforest(Syrph_pred~.,data = VarforCRF, control = cforest_unbiased(ntree=100))
varimp(object = cRF,conditional = T)


CRF_West <- subset(VarforCRF,Sector == "West") 

# Does not seem to run at all with subset and return zeros
cRF_W <- cforest(Syrph_pred~.,data = CRF_West, control = cforest_unbiased(ntree=100))
varimp(object = cRF_W,conditional = T)

Answer 1

您的子样本 CRF_West 太小，无法在森林树木中产生任何分裂。数据有 23 个观测值，从中为每棵树抽取大约 2/3 的引导样本。但是，用于拆分的节点的最小大小为 20 个观察值，最小节点大小为 7 个观察值，请参阅?ctree_control。

要强制树木/森林分裂，您可以使用较小的值，例如

cRF_W <- cforest(Syrph_pred~.,data = CRF_West,
  control = cforest_unbiased(ntree=100, minsplit = 15, minbucket = 5))

对于这个森林，您将获得非零变量重要性。不过，这是否会在如此小的样本上产生特别好的/可靠的结果是一个不同的问题。

最后的评论：尝试通过设置种子来使计算可重现是好的并且非常有用。然而，对随机种子使用（不可重现的）随机数会破坏整个事情......