zheguzai100
library(caret)
data(mdrr)
1. caret包中的rfe函数
x=mdrrDescr;y=mdrrClass
profile=rfe(x,trainy,sizes=c(21,25,28,30,33),
rfeControl = rfeControl(functions=rfFuncs,method='cv'))中sizes该如何设置?
我设置了三种形式
sizes=c(18:33)
sizes=c(18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33)
sizes=c(21,25,28,33)
三种sizes设置得出的结果依次如下图所示
问题1： 在我个人理解,固定size下其准确率也应该是固定的，
例如variable=21时其对应accuracy应该是恒定的值，实际中他却是不断变化的？
问题2： 为什么size具体该怎么设置？ 如果能得出最优变量集？
问题3. 如果我只想选取其中的21个变量作为最终自变量集，我该如何设置和提取？
问题4： 是否还有其他好用的特征筛选报或者函数用？有没有使用案例分享？ 谢谢
Variables Accuracy Kappa AccuracySD KappaSD Selected
18 0.7909 0.5693 0.06198 0.12545
19 0.7934 0.5746 0.06212 0.12399
20 0.7985 0.5843 0.05859 0.12037
21 0.7935 0.5739 0.05700 0.11734
22 0.8010 0.5889 0.05664 0.11624
23 0.8085 0.6042 0.05666 0.11614
24 0.7960 0.5781 0.05015 0.10407
25 0.8008 0.5895 0.05744 0.11723
26 0.8010 0.5894 0.04828 0.09891
27 0.8059 0.5995 0.05695 0.11608
28 0.8060 0.5989 0.06216 0.12671
29 0.7985 0.5852 0.07074 0.14358
30 0.8110 0.6084 0.05113 0.10568 *
31 0.8085 0.6050 0.05776 0.11893
32 0.8060 0.5989 0.06435 0.13150
33 0.8035 0.5948 0.06083 0.12350
64 0.8110 0.6095 0.05418 0.11089
------------------------------------------------------
Variables Accuracy Kappa AccuracySD KappaSD Selected
18 0.7810 0.5478 0.06127 0.1210
19 0.7783 0.5425 0.06264 0.1249
20 0.7883 0.5635 0.06863 0.1384
21 0.7833 0.5525 0.05086 0.1031
22 0.7860 0.5598 0.06262 0.1255
23 0.7809 0.5482 0.06145 0.1229
24 0.7910 0.5700 0.06230 0.1222
25 0.7936 0.5756 0.05948 0.1161 *
26 0.7910 0.5692 0.07010 0.1401
27 0.7935 0.5743 0.04951 0.0961
28 0.7810 0.5490 0.05877 0.1162
29 0.7810 0.5497 0.06303 0.1229
30 0.7835 0.5543 0.05246 0.1004
31 0.7911 0.5700 0.06520 0.1269
32 0.7935 0.5743 0.05483 0.1066
33 0.7860 0.5599 0.06885 0.1351
64 0.7911 0.5692 0.06441 0.1308
-----------------------------------------------------
Variables Accuracy Kappa AccuracySD KappaSD Selected
21 0.8010 0.5866 0.07637 0.1623
25 0.8013 0.5874 0.07015 0.1492
28 0.7986 0.5810 0.08060 0.1721
30 0.7986 0.5813 0.06582 0.1419
33 0.8034 0.5912 0.08454 0.1788 *
64 0.7988 0.5850 0.07505 0.1575
