在插入隨機森林模型之後使用partialPlot

使用train（）函數擬合randomForest之後，我遇到了調用partialPlot（）和plotmo（）的問題。下面是一些可重複碼：在插入隨機森林模型之後使用partialPlot

library(AER) 
library(caret) 

data(Mortgage) 

fitControl <- trainControl(method = "repeatedcv" 
          ,number = 5 
          ,repeats = 10 
          ,allowParallel = TRUE) 

library(doMC) 

registerDoMC(cores=10) 

Final.rfModel <- train(form=networth ~ ., data=Mortgage, method = "rf", metric='RMSE', trControl = fitControl, tuneLength=10, importance = TRUE) 

#### partial plots fail 
partialPlot(Final.rfModel$finalModel, Mortgage, "liquid") 

library(plotmo) 
plotmo(Final.rfModel$finalModel)

來源

2015-05-04 William Chiu

之間有一定的功能（包括randomForest和train）如何處理虛擬變量有些不一致。 R中使用公式方法的大多數函數會將因子預測變量轉換爲虛擬變量，因爲它們的模型需要數據的數字表示。例外情況是基於樹和規則的模型（可以在分類預測器上分割），樸素貝葉斯和其他一些模型。

所以randomForest將當您使用randomForest(y ~ ., data = dat)但train（和大多數人）將使用類似train(y ~ ., data = dat)通話不創建虛擬變量。

發生錯誤是因爲rate,married和其他一些預測因素。由train創建的虛擬變量不具有相同的名稱，因此partialPlot找不到它們。

與train一起使用非公式方法會將因子預測變量傳遞到randomForest，並且所有內容都將工作。

TL; DR

使用非公式法train在這種情況下：

Final.rfModel <- train(form=networth ~ ., data=Mortgage, 
         method = "rf", 
         metric='RMSE', 
         trControl = fitControl, 
         tuneLength=10, 
         importance = TRUE)

最大

來源

2015-05-11 13:22:13 topepo

您可以顯示在火車上的非公式法的例子嗎？你的例子還有一個公式。 –

Hi @williamchiu。你是正確的，看來Max最後把這個公式基於方法。我相信你已經知道了，非公式（或默認）方法是簡單地聲明x和y，因此S3類用於默認類： train（（x，y， method =「rf」， preProcess = NULL， ...， – Scott

在插入隨機森林模型之後使用partialPlot

回答

相關問題