如何映射pdp：：偏于嵌套randomForest模型？

Question

我想映射函数pdp：：偏于嵌套的randomForest模型。然后，我将使用输出来通过facet_wrap()绘制每个组的3d部分依赖图。当将函数映射到模型时，我得到一个错误，即在训练数据中找不到预测变量--但是当我检查tibble时，它们就在那里了，所以我不知所措。

library(tidyverse)
library(pdp)
library(randomForest)
data(boston)
glimpse(boston)

#Make groups, nest data by groups, apply random forest model to nested data
boston %>%
  mutate(grp=ifelse(age<80, "young", "old"))%>%
  nest(data= -grp)%>%
  mutate(fit = map(data, ~ randomForest(cmedv ~ ., data = boston, importance = TRUE)))%>%
  {.->>GrpModels}

#Map pdp::partial to fitted models for two predictor variables
GrpModels%>%
  mutate(p=map2(fit,data, ~pdp::partial(fit,train=data, pred.var=c("lstat", "rm"))))%>%
  unnest(p)%>%{.->>checkpdp}

错误：mutate()列p的问题。I p = map2(...)。在训练数据中找不到x lstat，rm。

。

Answer 1

这似乎是可行的，尽管我不知道为什么用geom_tile()绘图并不能像我想象的那样做得很好。我用的是geom_point()。简而言之，我需要将pred.var作为一个列表，然后将三个输入(fit、data和predictor变量)传递给pmap。

GrpModels %>% 
  mutate(preds = data.table::transpose(as.list(c('lstat','rm')))) %>%
  mutate(p = pmap(list(fit, data, preds), 
                      .f = ~pdp::partial(object=..1, train = ..2, 
                                   pred.var = ..3)))%>%
  select(-data,-fit,-preds)%>%
  unnest_wider(p)%>%
  unnest(c(yhat,lstat,rm))%>%{.->>checkpdp}%>%
  ggplot(.,aes(x=lstat,y=rm,color=yhat))+
  #geom_tile()+
  geom_point(shape=15, size=2)+
  facet_wrap(~grp, scales='free')