r - 基于重要性的变量缩减

Question

我在过滤模型中最不重要的变量时遇到了困难。我收到了一组包含 4,000 多个变量的数据，我被要求减少进入模型的变量数量。
我确实尝试过两种方法，但我失败了两次。
我尝试的第一件事是在建模后手动检查变量重要性，并在此基础上删除不重要的变量。

# reproducible example
data <- iris

# artificial class imbalancing
data <- iris %>% 
  mutate(Species = as.factor(ifelse(Species == "virginica", "1", "0"))) 

使用简单 Learner 时一切正常:

# creating Task
task <- TaskClassif$new(id = "score", backend = data, target = "Species", positive = "1")

# creating Learner
lrn <- lrn("classif.xgboost") 

# setting scoring as prediction type 
lrn$predict_type = "prob"

lrn$train(task)
lrn$importance()

 Petal.Width Petal.Length 
  0.90606304   0.09393696 

问题是数据高度不平衡，所以我决定使用 GraphLearner与 PipeOp运算符对多数组进行欠采样，然后将其传递给 AutoTuner :
我确实跳过了我认为对这种情况不重要的代码的某些部分，例如搜索空间、终止符、调谐器等。

# undersampling
po_under <- po("classbalancing",
               id = "undersample", adjust = "major",
               reference = "major", shuffle = FALSE, ratio = 1 / 2)

# combine learner with pipeline graph
lrn_under <- GraphLearner$new(po_under %>>% lrn)

# setting the autoTuner
at <- AutoTuner$new(
  learner = lrn_under,
  resampling = resample,
  measure = measure,
  search_space = ps_under,
  terminator = terminator,
  tuner = tuner
)

at$train(task)

问题是，尽管重要性属性在 at 中仍然可见。 $importance()在不可用。

> at
<AutoTuner:undersample.classif.xgboost.tuned>
* Model: list
* Parameters: list()
* Packages: -
* Predict Type: prob
* Feature types: logical, integer, numeric, character, factor, ordered, POSIXct
* Properties: featureless, importance, missings, multiclass, oob_error, selected_features, twoclass, weights

所以我决定改变我的方法并尝试将过滤添加到 Learner 中。 .这就是我更失败的地方。我首先查看了这个 mlr3book 博客 - https://mlr3book.mlr-org.com/fs.html .我尝试添加 importance = "impurity"就像在博客中一样进入 Learner，但 id 确实产生了错误。

> lrn <- lrn("classif.xgboost", importance = "impurity") 
Błąd w poleceniu 'instance[[nn]] <- dots[[i]]':
  nie można zmienić wartości zablokowanego połączenia dla 'importance'

这基本上意味着这样的事情:

Error in 'instance[[nn]] <- dots[[i]]':  can't change value of blocked connection for 'importance'

我也尝试解决 PipeOp过滤但它也失败了。我相信没有 importance = "impurity" 我就做不到.
所以我的问题是，有没有办法实现我的目标？
此外，我将非常感谢解释为什么在建模之前可以按重要性进行过滤？不应该基于模型结果吗？

Answer 1

无法访问的原因$importance的at变量是它是一个 AutoTuner ，它不直接提供变量重要性，仅“包裹”实际 Learner正在调整。
受过训练的 GraphLearner保存在您的 AutoTuner 中下 $learner :

# get the trained GraphLearner, with tuned hyperparameters
graphlearner <- at$learner

这个对象也没有 $importance() . (理论上，一个 GraphLearner 可以包含多个 Learner，然后它甚至不知道该赋予哪个重要性!)。
获取实际 LearnerClassifXgboost object 有点乏味，不幸的是，因为 shortcomings in the "R6" object system used by mlr3 :

获取未经训练的 Learner对象

获取 Learner 的训练状态并将其放入该对象

# get the untrained Learner
xgboostlearner <- graphlearner$graph$pipeops$classif.xgboost$learner

# put the trained model into the Learner
xgboostlearner$state <- graphlearner$model$classif.xgboost

现在可以查询重要性

xgboostlearner$importance()

您链接到的书中的示例在您的案例中不起作用，因为该书使用了 ranger学习者，虽然正在使用 xgboost . importance = "impurity"特定于 ranger .