如何解释通过 randomForestSRC::vimp 生成的变量重要性图？

Question

这是一个与此处提供的答案直接相关的问题：

总而言之，问题是关于为多标签分类问题生成变量重要性图。我正在处理另一个人提供的代码来生成 vimp 情节：

library(mlr)
yeast = getTaskData(yeast.task)
labels = colnames(yeast)[1:14]
yeast.task = makeMultilabelTask(id = "multi", data = yeast, target = labels)
lrn.rfsrc = makeLearner("multilabel.randomForestSRC")
mod2 = train(lrn.rfsrc, yeast.task)

vi =randomForestSRC::vimp(mod2$learner.model)
plot(vi,m.target ="label2")

我不确定 randomForestSRC::vimp 图中的 TRUE、FALSE 和 All 是什么意思。我阅读了包文档，但仍然无法弄明白。

这种区分（真、假、全部）是如何工作的？

Answer 1

在该示例中，您有 14 个可能的标签。如果您查看数据：

head(yeast)
  label1 label2 label3 label4 label5 label6 label7 label8 label9 label10
1  FALSE  FALSE   TRUE   TRUE  FALSE  FALSE  FALSE  FALSE  FALSE   FALSE
2  FALSE  FALSE  FALSE  FALSE  FALSE  FALSE   TRUE   TRUE  FALSE   FALSE
3  FALSE   TRUE   TRUE  FALSE  FALSE  FALSE  FALSE  FALSE  FALSE   FALSE
4  FALSE  FALSE   TRUE   TRUE  FALSE  FALSE  FALSE  FALSE  FALSE   FALSE
5   TRUE   TRUE  FALSE  FALSE  FALSE  FALSE  FALSE  FALSE  FALSE   FALSE
6  FALSE  FALSE   TRUE   TRUE  FALSE  FALSE  FALSE  FALSE  FALSE   FALSE

对于每个标签，例如 label2，有两个 class，TRUE / FALSE。因此，在该图中，在该图中，all 是所有样本的总体错误率或预测错误的比例。 TRUE / FALSE 分别用于 TRUE / FALSE 标签。所以从这个图中，你可以看到 TRUE 的错误更高，这意味着模型在正确预测 TRUE 方面存在问题。

我们可以通过查看 oob 预测标签来检查这一点：

oob_labels = c(TRUE,FALSE)[max.col(vi$classOutput$label2$predicted.oob)]
table(yeast$label2, oob_labels)

       oob_labels
        FALSE TRUE
  FALSE  1175  204
  TRUE    614  424

您可以看到，对于 TRUE 标签（第 2 行），614/(614+424) = 0.5915222 是错误的。这大致就是您在图中看到的，TRUE 标签的错误率为 ~ 0.6。

至于第二个变量重要性图，它是沿着同一条线，整体的变量重要性，或者TRUE/FALSE class，你可以这样看：

par(mfrow=c(1,3))
for(i in colnames(mat)){barplot(mat[,i],horiz=TRUE,las=2)}

如何解释通过 randomForestSRC::vimp 生成的变量重要性图？

How to interpret the variable importance plot produced via randomForestSRC::vimp?

r

machine-learning

random-forest

multilabel-classification

mlr