从树模型中提取变量减少预测数据帧的变量集

Question

我建立了一个rpart树模型，现在我想从一个大的预测数据(超过7.000个变量)中提取这个模型中使用的变量，因为在预测之前，我必须对这个预测数据进行一些计算，而且这个计算超出了内存。

现在我不知道如何从rpart模型中提取变量。对于随机森林模型，有函数varUsed，，但是也许这个问题可以用一般的方式来解决，对于glm模型的也是一样。

rpart-Model上的name()返回：

"frame"     "where"     "call"      "terms"     "cptable"   "splits"    "method"
"parms"     "control"   "functions" "model"     "y"         "ordered" 

分割值返回：

count ncat     improve index        adj  
**m24_a_ec_fakt**               6000   -1 0.026346646  0.15 0.00000000  
**m24_a_ec_fakt_dwl**           6000   -1 0.026346646  0.15 0.00000000  
**m3_a_fak_rech**               6000   -1 0.022821246  0.30 0.00000000  
**m9_a_ec_fakt**                6000   -1 0.021599372  0.05 0.00000000  
**m9_a_ec_fakt_dwl**            6000   -1 0.021599372  0.05 0.00000000  
... 

分割是一个矩阵，第一列(？)是变量名。

我可以以某种方式引用这个矩阵来过滤我的预测数据中的变量吗？

类似于：

newPredDM<- oldPredDM[  --GET THE VARIABLE NAMES FROM rpart-Modell somehow--  ]

敬请帮助，雷纳

Answer 1

有关返回值的结构，请参见help("rpart.object")。因为

帧:树中每个节点都有一行的数据帧。..。“frame”的元素包括‘var’，这是给出在每个节点的拆分中使用的变量的一个因素。

您可以使用levels(fit$frame$var)[-1]获取作为字符串向量的列，并使用以下内容

newPredDM<- oldPredDM[, levels(fit$frame$var)[-1]]

供你挑选。

希望这能有所帮助。