R语言进行模型重要性指标绘图

我们通常见到部分文章建立模型后建立一个变量的重要性可视化图，意思是哪个变量对模型的影响更加重要。后台有粉丝问我，这种建立模型后的变量重要性可视化图怎么做。



今天我们来通过R语言演示一下，可以做可视化模型的R包很多，我们先来演示一下ingredients包，这个包的特点是做起来相对好做，支持许多模型。我们通过使用我们的早产数据（公众号回复：早产数据，可以获得该数据）来演示一下，我们先导入R包和数据，

library("DALEX")
library("ingredients")##可视化包
bc<-read.csv("E:/r/test/zaochan.csv",sep=',',header=TRUE)
bc <- na.omit(bc)

这是一个关于早产低体重儿的数据（公众号回复：早产数据，可以获得该数据），低于2500g被认为是低体重儿。数据解释如下：low 是否是小于2500g早产低体重儿，age 母亲的年龄，lwt 末次月经体重，race 种族，smoke 孕期抽烟，ptl 早产史（计数），ht 有高血压病史，ui 子宫过敏，ftv 早孕时看医生的次数bwt 新生儿体重数值。我们先把分类变量转成因子

bc$race<-ifelse(bc$race=="black",1,ifelse(bc$race=="white",2,3))
bc$smoke<-ifelse(bc$smoke=="nonsmoker",0,1)
bc$low<-factor(bc$low)
bc$race<-factor(bc$race)
bc$ht<-factor(bc$ht)
bc$ui<-factor(bc$ui)

建立回归方程

fit<-glm(low ~ age + lwt + race + smoke + ptl + ht + ui + ftv,
         family = binomial("logit"),
         data = bc)

对方程进行解释，主要就是把数据的结果变量和其他变量分开

explain_titanic_glm <- explain(fit,
                               data = bc[,-2],
                               y = bc[,2])

生产图片数据并绘图，这里没注意ID这个指标也放进来了

fig<- feature_importance(explain_titanic_glm, B = 1)
plot(fig)

由上图可以看出ui和age是影响早产的两个重要指标。
接下来我们来做一个cox回归的，要使用到，R的tornado包，这个包也是能做logistic回归
二分类数据的，如果使用我们刚才的数据就是

gtest <- glm(low ~ age + race + smoke + ptl + ht + ui + ftv, data=bc, family=binomial(link="logit"))
gtestreduced <- glm(low ~ 1, data=bc, family=binomial(link="logit"))
imp <- importance(gtest, gtestreduced)
plot(imp)

好了，有点扯远了，使用我们的乳腺癌数据

library(foreign)
library(survival)
bc <- read.spss("E:/r/test/Breast cancer survival agec.sav",
                use.value.labels=F, to.data.frame=T)
bc$histgrad<-as.factor(bc$histgrad)
bc$er<-as.factor(bc$er)
bc$pr<-as.factor(bc$pr)
bc$ln_yesno<-as.factor(bc$ln_yesno)
names(bc)
bc <- na.omit(bc)

建立回归方程并绘图

model_final <- survival::survreg(survival::Surv(time, status) ~ age + histgrad+pathsize+ er + pr + ln_yesno,
                                 data = bc,dist = "weibull")
imp <- importance(model_final, bc, nperm = 500)
plot(imp)

接下来绘制多元线性回归，就使用我们的臭氧数据把

library(foreign)
be <- read.spss("E:/r/test/ozone.sav",
                use.value.labels=F, to.data.frame=T)

数据中有七个变量，ozon每日臭氧水平为结局变量，Inversion base height（ibh）反转基准高度，Pressure gradient (mm Hg) 压力梯度（mm Hg），Visibility (miles) 能见度（英里），Temperature (degrees F) 温度（华氏度），Day of the year日期，vh我也不知道是什么，反正就是一参数，这里所有的变量都是连续的。
建立方程

fit <- lm(ozon ~ vh +ibh+temp+dpg, data=be)

绘图

fitreduced <- lm(ozon ~ 1, data=be)
imp <- importance(fit, fitreduced)
plot(imp)

Tornado包还可以进行LASSO回归，随机森林等重要变量的可视化，自己试试把。