R语言随机森林模型中具有相关特征的变量重要性

变量重要性图是查看模型中哪些变量有趣的好工具。由于我们通常在随机森林中使用它，因此它看起来非常适合非常大的数据集。大型数据集的问题在于许多特征是“相关的”，在这种情况下，很难比较可变重要性图的值的解释。例如，考虑一个非常简单的线性模型

为了获得更可靠的结果，我生成了100个大小为1,000的数据集。

library(mnormt)


RF=randomForest(Y~.,data=db)

plot(C,VI[1,],type="l",col="red")
lines(C,VI[2,],col="blue")
lines(C,VI[3,],col="purple")

顶部的紫色线是的可变重要性值  

实际上，我想到的是当我们考虑逐步过程时以及从集合中删除每个变量时得到的结果，

apply(IMP,1,mean)}

在这里，如果我们使用与以前相同的代码，

我们得到以下图

plot(C,VI[2,],type="l",col="red")
lines(C,VI2[3,],col="blue")
lines(C,VI2[4,],col="purple")

然而，当我们拥有很多相关特征时，讨论特征的重要性并不是那么直观。