h2o randomForest 变量重要性

Question

我正在使用 h2o 包来创建 randomForest 回归模型。我对变量重要性有一些疑问。我正在创建的模型在这里。一切正常。

有些变量是数值型的，但有些是分类型的。

RandomForest <- h2o.randomForest(x = c("Year",  "Month", "Day", "Time", "Show", "Gen",
                                   "D", "Lead"), y = "Ratio", data = data.hex, importance=T, stat.type = "GINI",
                             ntree = 50, depth = 50, nodesize = 5, oobee = T, classification = FALSE, type = "BigData")

但是，当我想查看变量重要性时，输出如下所示。

Classification: FALSE
Number of trees: 50
Tree statistics:
        Min.  Max.    Mean.
Depth     30    40    33.26
Leaves 20627 21450 21130.24


Variable importance:
                        Year    Month      Day     Time  Show   Gen           D   Lead
Relative importance 20536.64 77821.76 26742.55 67476.75 283447.3 60651.24   87440.38 3658.625
Standard Deviation        NA       NA       NA       NA       NA       NA       NA       NA
Z-Scores                  NA       NA       NA       NA       NA       NA       NA       NA

Overall Mean-squared Error:

我想知道的是： 1) 为什么会有 NA 值。 2）相对重要性实际上是什么意思。它不应该在 1 到 100 之间吗？ 3) 为什么输出中没有混淆矩阵？

感谢您的帮助！

Answer 1

首先，我建议下载最新版本的H20-3。这可能会解决您获得标准差 NA 值的问题。相对重要性量化了特定预测变量相对于其他个体预测变量在预测响应变量方面的贡献。您可能会想到需要在 1 到 100 之间的数字是比例重要性。最后，你没有在输出中得到混淆矩阵的原因是你有一个回归模型而不是分类模型。混淆矩阵仅为分类模型生成。

您可以运行 R 中的随机森林示例，方法是运行执行以下命令：

library(h2o)
conn <- h2o.init()
demo(h2o.randomForest)

然后您可以通过执行以下操作查看您的困惑 matrix/relative 和缩放重要性 table：

> h2o.confusionMatrix(iris.rf)
Confusion Matrix - (vertical: actual; across: predicted):
                Iris-setosa Iris-versicolor Iris-virginica  Error      Rate
Iris-setosa       50.000000        0.000000       0.000000 0.0000 =  0 / 50
Iris-versicolor    0.000000       47.000000       3.000000 0.0600 =  3 / 50
Iris-virginica     0.000000        6.000000      44.000000 0.1200 =  6 / 50
Totals            50.000000       53.000000      47.000000 0.0600 = 9 / 150
> h2o.varimp(iris.rf)
Variable Importances:
   variable relative_importance scaled_importance percentage
1 petal_len         1926.421509          1.000000   0.445738
2 petal_wid         1756.277710          0.911679   0.406370
3 sepal_len          493.782562          0.256321   0.114252
4 sepal_wid          145.390717          0.075472   0.033641

谢谢，希望对您有所帮助！

h2o randomForest 变量重要性

h2o randomForest variable importance

r

confusion-matrix

random-forest

h2o