R运行随机森林模型进行重要特征筛选及分类预测和性能评估

在R中运行代码“

# 加载必要的库
library(randomForest)
library(caret)
library(pROC)

# 定义rfFuncs函数集合
rfFuncs <- rfFuncs

# 读取数据
data <- read.csv("C:/Users/yujin/Desktop/prediction/file-oralgenus.csv", row.names=1)
response <- "Class"

# 划分训练集和测试集
set.seed(123)
trainIndex <- createDataPartition(data[, response], p = 0.7, 
                                  list = FALSE, 
                                  times = 1)
dataTrain <- data[trainIndex, ]
dim(dataTrain)
dataTest  <- data[-trainIndex, ]
dim(dataTest)

# 特征选择
control <- rfeControl(functions = rfFuncs, method = "cv", number = 10)
# 确保 sizes_seq 不超过特征数量
if (ncol(dataTrain) > 2) {
  sizes_seq <- 1:(ncol(dataTrain) - 2)
} else {
  sizes_seq <- 1
}
print(sizes_seq)

# 使用修正后的 sizes