时间戳

首页 > 解决方案 > 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

r - 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

问题描述

使用 RFE，您可以获得特征的重要性等级，但现在我只能使用包内的模型和参数，如：lmFuncs(linear model),rfFuncs(random forest) 似乎

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，正式文件没有详细说明，我想将svm和gbm应用于这个RFE过程，因为这是我使用的当前模型训练，有人知道吗？

标签： rsvmr-caretfeature-selectionrfe

解决方案

我试图根据文档重新创建工作示例。您正确识别了 的使用caretFuncs，然后您可以在调用中设置模型参数rfe（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)

如果您想更深入地研究这个问题，您可能需要访问下面的链接。

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

caret文档rfe：
https ://topepo.github.io/caret/recursive-feature-elimination.html

希望这可以帮助！

推荐阅读