跟著Nature Communications學(xué)數(shù)據(jù)分析:R語言做隨機森林模型并對變量重要性排序

論文

Drivers and trends of global soil microbial carbon over two decades

https://www.nature.com/articles/s41467-022-31833-z#data-availability

這個里面有很多地圖的圖

還有自定義圖例形狀的代碼

數(shù)據(jù)和代碼

https://github.com/gpatoine/drivers_trends_microbial_carbon

這里有隨機森林模型 然后對變量重要性進行排序的代碼买置,今天的推文我們重復(fù)一下論文中的這部分內(nèi)容,目前能夠利用代碼和數(shù)據(jù)運行得到結(jié)果蓉冈,但是還不明白原理和代碼中參數(shù)的具體作用轩触。今天的內(nèi)容只是對運行過程的記錄。

部分示例數(shù)據(jù)集截圖

image.png

前10個變量是用來構(gòu)建模型的變量熟嫩,其中有一個是分類變量褐捻,其他都是數(shù)值型數(shù)據(jù)椅邓,最后一列Cmic是因變量

讀取數(shù)據(jù)

library(readr)
library(tidyverse)
dat<-read_csv("data/20221215/drivers_trends_microbial_carbon-main/rf_example.csv")
dat %>% head()
dat %>% colnames()

構(gòu)建隨機森林模型

library(caret)
set.seed(202)
predictors<-colnames(dat)[1:10]
model <- train(x = dat[,predictors], 
               y = dat$Cmic,
               method = "rf",
               importance = TRUE,
               tuneGrid = expand.grid(mtry = c(2:4)), # length(predictors) or 2:6
               trControl = trainControl(method = "cv", 
                                        number = 20,
                                        p = 0.75,
                                        savePredictions = TRUE))

這一步需要的時間還是相對比較長的

代碼中各個參數(shù)都是什么意思還需要仔細(xì)看看

輸出模型的RSEM和R方

model$results %>% as_tibble %>% filter(mtry == model$bestTune %>% unlist) %>% select(RMSE, Rsquared)

棒棒糖圖展示模型重要性

varImp(model)

varImp(model) %>% plot
varImp(model, scale = FALSE) %>% plot
image.png
image.png

還可以用ggplot2畫兩個柱形圖來展示

varImp(model)$importance %>% 
  as.data.frame() %>% 
  rownames_to_column("var") %>% 
  arrange(Overall) %>% 
  mutate(var=factor(var,levels = rev(var))) %>% 
  ggplot(aes(x=var,y=Overall))+
  geom_col(aes(fill=var),show.legend = FALSE)+
  theme_bw()+
  labs(x=NULL) -> p1

varImp(model,scale = FALSE)$importance %>% 
  as.data.frame() %>% 
  rownames_to_column("var") %>% 
  arrange(Overall) %>% 
  mutate(var=factor(var,levels = rev(var))) %>% 
  ggplot(aes(x=var,y=Overall))+
  geom_col(aes(fill=var),show.legend = FALSE)+
  theme_bw()+
  labs(x=NULL) -> p2

library(patchwork)
p1+
  theme(axis.text.x = element_text(angle=60,vjust=1,hjust=1))+
  p2+
  theme(axis.text.x = element_text(angle=60,vjust=1,hjust=1))
image.png

后面還有代碼是將這個隨機森林模型重復(fù)運行100次,使用到了map()和map_dfr()函數(shù)合住,這兩個函數(shù)還得仔細(xì)學(xué)習(xí)一下用法

關(guān)于這個代碼感興趣的可以去看看原文提供的代碼

示例數(shù)據(jù)和代碼可以給公眾號推文點贊撒璧,點擊在看,最后留言獲取

歡迎大家關(guān)注我的公眾號

小明的數(shù)據(jù)分析筆記本

小明的數(shù)據(jù)分析筆記本 公眾號 主要分享:1卿樱、R語言和python做數(shù)據(jù)分析和數(shù)據(jù)可視化的簡單小例子;2萨蚕、園藝植物相關(guān)轉(zhuǎn)錄組學(xué)蹄胰、基因組學(xué)、群體遺傳學(xué)文獻閱讀筆記裕寨;3、生物信息學(xué)入門學(xué)習(xí)資料及自己的學(xué)習(xí)筆記妻往!

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末试和,一起剝皮案震驚了整個濱河市纫普,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌节视,老刑警劉巖假栓,帶你破解...
    沈念sama閱讀 211,743評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異拌蜘,居然都是意外死亡,警方通過查閱死者的電腦和手機简卧,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,296評論 3 385
  • 文/潘曉璐 我一進店門举娩,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人铜涉,你說我怎么就攤上這事〉跎荩” “怎么了链蕊?”我有些...
    開封第一講書人閱讀 157,285評論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長逻谦。 經(jīng)常有香客問我陪蜻,道長,這世上最難降的妖魔是什么宴卖? 我笑而不...
    開封第一講書人閱讀 56,485評論 1 283
  • 正文 為了忘掉前任症昏,我火速辦了婚禮,結(jié)果婚禮上肝谭,老公的妹妹穿的比我還像新娘。我一直安慰自己魏滚,他們只是感情好坟漱,可當(dāng)我...
    茶點故事閱讀 65,581評論 6 386
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著腥寇,像睡著了一般。 火紅的嫁衣襯著肌膚如雪花颗。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,821評論 1 290
  • 那天庸论,我揣著相機與錄音棒呛,去河邊找鬼。 笑死簇秒,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的扛禽。 我是一名探鬼主播皱坛,決...
    沈念sama閱讀 38,960評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼掐场!你這毒婦竟也來了贩猎?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,719評論 0 266
  • 序言:老撾萬榮一對情侶失蹤嚷堡,失蹤者是張志新(化名)和其女友劉穎艇棕,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體欠肾,經(jīng)...
    沈念sama閱讀 44,186評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡刺桃,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,516評論 2 327
  • 正文 我和宋清朗相戀三年吸祟,在試婚紗的時候發(fā)現(xiàn)自己被綠了桃移。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片葛碧。...
    茶點故事閱讀 38,650評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖蔗衡,靈堂內(nèi)的尸體忽然破棺而出乳绕,到底是詐尸還是另有隱情,我是刑警寧澤洋措,帶...
    沈念sama閱讀 34,329評論 4 330
  • 正文 年R本政府宣布菠发,位于F島的核電站王滤,受9級特大地震影響滓鸠,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜蔗怠,卻給世界環(huán)境...
    茶點故事閱讀 39,936評論 3 313
  • 文/蒙蒙 一吩跋、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧桥温,春花似錦、人聲如沸侵浸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,757評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽澳腹。三九已至,卻和暖如春酱塔,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背羊娃。 一陣腳步聲響...
    開封第一講書人閱讀 31,991評論 1 266
  • 我被黑心中介騙來泰國打工蕊玷, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人集畅。 一個月前我還...
    沈念sama閱讀 46,370評論 2 360
  • 正文 我出身青樓挺智,卻偏偏與公主長得像祷愉,于是被迫代替她去往敵國和親赦颇。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,527評論 2 349

推薦閱讀更多精彩內(nèi)容