带有 RandomForestSRC 包的因子变量重要性 (VIMP)：无法强制转换为 data.frame 错误

如何解决带有 RandomForestSRC 包的因子变量重要性 (VIMP)：无法强制转换为 data.frame 错误

大家下午好——提前感谢您的帮助！我对 R 有点陌生，所以如果这是一个微不足道或不恰当的问题，我深表歉意。

TL;DR：我正在尝试使用内置的随机森林模型 RandomForestSRC 来确定因子变量的变量重要性 (VIM)，这不是该包的内置功能。使用 LIME 和 DaleX 包时，我遇到了相同的错误：cannot coerce class 'c("rfsrc,"predict","class")' to a data.frame。任何解决此错误或替代方法的帮助将不胜感激！

我使用 RandomForestSRC 包在 R 中构建了一个随机森林模型。该模型似乎运行良好——训练和测试进展顺利，得到了我需要的预测输出，结果似乎符合我的预期。不幸的是，其中一项要求是我需要能够指出模型是如何得出其结论的（例如，我还需要将变量重要性作为输出的一部分包含在内），无论是连续变量还是因子变量。

这似乎不是 RandomForestSRC 包的内置功能，所以我研究了 LIME 和 DaleX 包，这两个包都应该能够从现有的 RF 模型中分离出 VIM。不幸的是，两者都没有对 RFSRC 包的本机支持，这意味着我需要自己构建预测函数，正如此小插图所推荐的：https://uc-r.github.io/dalex

model_type.rfsrc <- function (x,...) {
    return ('classification')
}

predict_model.rfsrc <- function (x,newdata,type,...) {
    as.data.frame(predict(x,...)
}

不幸的是，在运行模型的 VIM 部分（在 LIME 和 DaleX 中）时，我被要求传递预测输出和创建该输出的模型。这样做时，上面的 predict_model 函数会出错：

error in as.data.frame.default(predict(model,(newdata))):
cannot coerce class 'c("rfsrc,"class")' to a data.frame

而且，就像……当然，它不能；它试图将模型本身变成一个数据框。不幸的是，虽然我想我明白为什么 R 给我这个错误，但这是我自己能够弄清楚的。

另外，我使用 RandomForestSRC 包有两个原因：它没有限制因子变量的数量，并且它可以处理不平衡的数据。我正在处理医疗数据，所以这两个都是必要的（例如，可以在单个数据变量中编码大约 100,000 个不同的医疗代码，以及“没有的人”的比率-条件”与“具有此条件的人”的比率通常为 100 比 1）。如果有人对处理这些问题的替代软件包有任何建议，并且具有内置的 VIM 功能（或与 DaleX / LIME 集成），那也太棒了。

非常感谢大家的帮助！