我正在使用bigrfR 包来分析带有 ca 的数据集。50.000 个观测值 x 120 个变量，分为两组。
在种植了 1000 棵树的森林之后，我分别使用fastimp和interactions函数调查了 120 个特征与 2 个类的关系的重要性和关系，这产生了非常好的结果。
但是，我现在有兴趣使用 3 个（或更多）而不是 2 个类来调查问题。在这种情况下，计算的基尼变量重要性fastimp仅与整体重要性有关。
我的问题是：有没有办法计算特定类别的 Gini 变量重要性或类似的度量？
有多种方法可以这样做
1) 可视化 - 您可以将每组中每个选定特征的丰度/频率绘制为条形图。我假设在视觉上，与其他组相比，一组中的顶级功能会更丰富。
2）穷举法——在每对两个标签上建立3个随机森林模型。对每个组合中的特征进行排名，并最终绘制结果，看看特征 x 的基尼分数是否在两个组合上都更高。
我会故意使用类权重来使标签不平衡，以制作 3 个重要性列表。
测试：
然后，您可以对其中的每一个进行排序，并查看在这些测试中具有大而一致变化的那些。
此外，除非您进行了收敛性研究，否则您可能会使用太多的树。我也喜欢使用 Boruta 来估计变量的重要性。具有约 50k 行和 120 列的数据并没有那么大，您需要让以大为中心的工具工作。