Блог

Я создал модель, используя регрессионную модель tree.cv()

 split.tree lt;- sample(1:nrow(Boston), nrow(Boston) / 2)  tree.train lt;- Boston[split.tree,] tree.test lt;- Boston[-split.tree,]  Boston.tree lt;- tree(medv ~ .,  data = Boston.train)  summary(Boston.tree)  plot(Boston.tree) text(Boston.tree, pretty = 0) title(main = "Unpruned Regression Tree")  tree.cv lt;- cv.tree(Boston.tree)  Boston.tree.prune= prune.tree(Boston.tree, best = 5) summary(Boston.tree.prune)  plot(Boston.tree.prune) text(Boston.tree.prune, pretty = 0) title(main = "Pruned Regression Tree")  Boston.prune.pred lt;- predict(Boston.tree.prune, tree.test)  

Сейчас у меня есть прогноз, но я пытаюсь определить важность каждой переменной, присутствующей в модели. Я пытался использовать vip-пакет, но он, похоже, не подходит для такого типа регрессии.

 vip::vip(tree.cv, num_features = 40, bar = FALSE) ## Error: Model-specific variable importance scores are currently not available for this type of model.  

Я нашел другой вариант, varImpPlot() но он подходит только для randomForest этого . Есть идеи, как до этого добраться?