RFE筛选出的特征变量竟然是Boruta的4倍之多

机器学习第21篇 - 特征递归消除RFE算法理论

RFE算法实战

rfe函数有 4 个关键参数：

x: 训练集数值矩阵 (不包含响应值或分类信息)
y: 响应值或分类信息向量
sizes: 一个整数向量，设定需要评估的变量子集的大小。

默认是2^(2:4)。
rfeControl: 模型评估所用的方法、性能指标和排序方式等。

一些模型有预定义的函数集可供使用，如linear regression (lmFuncs), random forests (rfFuncs), naive Bayes (nbFuncs), bagged trees (treebagFuncs)和其它可用于train函数的函数集。

# 因运行时间长，故存储起运行结果供后续测试
library(caret)
if(file.exists('rda/rfe_rffuncs.rda')){rfe <- readRDS("rda/rfe_rffuncs.rda")
} else {subsets <- generateTestVariableSet(ncol(train_data))# rfFuncscontrol <- rfeControl(functions=rfFuncs, method="repeatedcv", number=10, repeats=5)rfe <- rfe(x=train_data, y=train_data_group, size=subsets, rfeControl=control)saveRDS(rfe, "rda/rfe_rffuncs.rda")
}print(rfe, top=10)

##
## Recursive feature selection
##
## Outer resampling method: Cross-Validated (10 fold, repeated 5 times)
##
## Resampling performance over subset size:
##
##  Variables Accuracy  Kappa AccuracySD KappaSD Selected
##          1   0.7152 0.2585     0.1740  0.3743
##          2   0.7990 0.4464     0.1595  0.4398
##          3   0.8341 0.5143     0.1342  0.4096
##          4   0.8387 0.5266     0.1362  0.4231
##          5   0.8678 0.6253     0.1359  0.4080
##          6   0.8937 0.6790     0.1285  0.4095
##          7   0.8906 0.6796     0.1320  0.4031
##          8   0.8995 0.6939     0.1175  0.3904
##          9   0.8803 0.6343     0.1309  0.4234
##         10   0.9017 0.7036     0.1186  0.3847
##         16   0.9250 0.7781     0.1066  0.3398
##         25   0.9223 0.7663     0.1151  0.3632
##         27   0.9318 0.7927     0.1094  0.3483
##         36   0.9356 0.7961     0.1123  0.3657
##         49   0.9323 0.7895     0.1128  0.3649
##         64   0.9356 0.8076     0.1123  0.3488
##         81   0.9385 0.8193     0.1083  0.3305
##        100   0.9356 0.8076     0.1123  0.3488
##        125   0.9356 0.8095     0.1123  0.3478
##        216   0.9394 0.8129     0.1149  0.3650        *
##        256   0.9361 0.8044     0.1155  0.3656
##        343   0.9219 0.7516     0.1247  0.4062
##        512   0.9288 0.7799     0.1239  0.3933
##        625   0.9266 0.7790     0.1165  0.3658
##        729   0.9252 0.7567     0.1278  0.4211
##       1000   0.9259 0.7681     0.1272  0.4077
##       1296   0.9181 0.7313     0.1250  0.4183
##       2401   0.8787 0.5666     0.1285  0.4639
##       4096   0.8787 0.5701     0.1252  0.4525
##       6561   0.8521 0.4619     0.1221  0.4510
##       7070   0.8623 0.4987     0.1268  0.4635
##
## The top 10 variables (out of 216):
##    HG4074.HT4344_at, D55716_at, U63743_at, M63835_at, L42324_at, X02152_at, D31887_at, D82348_at, X17620_at, U56102_at

绘制下模型的准确性随选择的重要性变量的数目的变化

plot(rfe, type=c("g", "o"))

可以使用predictors函数提取最终选定的最小关键特征变量集，也可以直接从rfe对象中提取。

predictors(rfe)

##   [1] "HG4074.HT4344_at"   "D55716_at"          "U63743_at"
##   [4] "M63835_at"          "L42324_at"          "X02152_at"
..
## [211] "U30872_at"          "Y09392_s_at"        "U21090_at"
## [214] "U17032_at"          "D00763_at"          "HG3075.HT3236_s_at"

存储起来用于跟Boruta鉴定出的特征变量比较

caretRfe_variables <- data.frame(Item=rfe$optVariables, Type="Caret_RFE")

比较Boruta与RFE筛选出的特征变量的异同

Boruta筛选出的特征变量Confirmed都在RFE筛选的特征变量中，Tentative的只有1个未被RFE筛选的特征变量覆盖。

vairables <- rbind(boruta.finalVars, boruta.finalVarsWithTentative, caretRfe_variables)
library(VennDiagram)
library(ImageGP)
sp_vennDiagram2(vairables, item_variable = "Item", set_variable = "Type", manual_color_vector ="Set1")

这些特征变量最终用于评估模型的效果怎样呢？下期分晓！

机器学习系列教程

从随机森林开始，一步步理解决策树、随机森林、ROC/AUC、数据集、交叉验证的概念和实践。

文字能说清的用文字、图片能展示的用、描述不清的用公式、公式还不清楚的写个简单代码，一步步理清各个环节和概念。

再到成熟代码应用、模型调参、模型比较、模型评估，学习整个机器学习需要用到的知识和技能。

机器学习算法 - 随机森林之决策树初探（1）
机器学习算法-随机森林之决策树R 代码从头暴力实现（2）
机器学习算法-随机森林之决策树R 代码从头暴力实现（3）
机器学习算法-随机森林之理论概述
随机森林拖了这么久，终于到实战了。先分享很多套用于机器学习的多种癌症表达数据集 https://file.biolab.si/biolab/supp/bi-cancer/projections/。
机器学习算法-随机森林初探（1）
机器学习模型评估指标 - ROC曲线和AUC值
机器学习 - 训练集、验证集、测试集
机器学习 - 随机森林手动10 折交叉验证
一个函数统一238个机器学习R包，这也太赞了吧
基于Caret和RandomForest包进行随机森林分析的一般步骤（1）
Caret模型训练和调参更多参数解读(2)
机器学习相关书籍分享
基于Caret进行随机森林随机调参的4种方式
送你一个在线机器学习网站，真香！
UCI机器学习数据集
机器学习第17篇 - 特征变量筛选（1）
机器学习第18篇 - 基于随机森林的Boruta特征变量筛选（2）
机器学习系列补充：数据集准备和更正YSX包
机器学习第20篇 - 基于Boruta选择的特征变量构建随机森林
机器学习第21篇 - 特征递归消除RFE算法理论