“随机森林”中“插入”中的递归特征消除:为第一个林设置不同的ntree参数

Question

目前，我正在尝试使用递归特征消除(RFE)来优化高维数据集(p >200 k)的随机森林分类器。执行此(rfe()-function).的卡雷特包有一个很好的实现然而，我也在考虑优化RAM和CPU的使用。这就是为什么我想知道是否有机会设置不同的(更多的)树来训练第一个森林(不排除特征)，并利用它的重要性来构建剩余的树(使用RFE)，例如使用500棵具有10或5倍交叉验证的树。我知道这个选项在varSelRF中是可用的。但是卡雷特呢？我在手册里没有找到任何关于这个的东西。

Answer 1

你可以做到的。rfFuncs列表有一个名为fit的对象，它定义了模型的匹配方式。这个函数的一个参数叫做' first‘，这在第一次匹配时是正确的(也有一个“最后”arg)。您可以基于此设置ntree。

有关更多细节，请参见功能选择小片段。

最大值