Podczas budowania modelu CART (w szczególności drzewa klasyfikacji) przy użyciu rpart (w R) często interesujące jest wiedzieć, jakie znaczenie mają różne zmienne wprowadzone do modelu.
Tak więc moje pytanie brzmi: jakie wspólne miary istnieją dla uszeregowania / pomiaru znaczenia zmiennych uczestniczących zmiennych w modelu CART? I jak można to obliczyć za pomocą R (na przykład przy użyciu pakietu rpart)
Na przykład, oto sztuczny kod stworzony, abyś mógł pokazać na nim swoje rozwiązania. Ten przykład ma taką strukturę, że jest jasne, że zmienne x1 i x2 są „ważne”, podczas gdy (w pewnym sensie) x1 jest ważniejsze niż x2 (ponieważ x1 powinno mieć zastosowanie do większej liczby przypadków, a zatem mieć większy wpływ na strukturę danych, następnie x2).
set.seed(31431)
n <- 400
x1 <- rnorm(n)
x2 <- rnorm(n)
x3 <- rnorm(n)
x4 <- rnorm(n)
x5 <- rnorm(n)
X <- data.frame(x1,x2,x3,x4,x5)
y <- sample(letters[1:4], n, T)
y <- ifelse(X[,2] < -1 , "b", y)
y <- ifelse(X[,1] < 0 , "a", y)
require(rpart)
fit <- rpart(y~., X)
plot(fit); text(fit)
info.gain.rpart(fit) # your function - telling us on each variable how important it is
(referencje są zawsze mile widziane)