我正在使用mlr包的resample()函数对随机森林模型进行4000次子采样（下面的代码段）。

如您所见，要在resample()内创建随机森林模型，我正在使用randomForest包。

对于每个子样本迭代，我想获得随机森林模型的重要性结果（所有类的准确性均值下降）。我现在可以得到的重要性指标是基尼系数的平均下降。

我从mlr的源代码中可以看到，makeRLearner.classif.randomForest中的getFeatureImportanceLearner.classif.randomForest()函数（第69行）使用randomForest::importance()函数（第83行）从得到的对象中获取重要性值randomForest class。但是正如您从源代码（第73行）中看到的那样，它使用2L作为默认值。我希望它使用1L（第75行）作为值（平均精度降低）。

如何将2L的值传递给resample()函数（下面代码中的“ extract = getFeatureImportance”行），以便getFeatureImportanceLearner.classif.randomForest()函数获取该值并设置ctrl$type = 2L（第73行）？

rf_task <- makeclassifTask(id = 'task',data = data[,-1],target = 'target_var',positive = 'positive_var')

rf_learner <- makeLearner('classif.randomForest',id = 'random forest',par.vals = list(ntree = 1000,importance = TRUE),predict.type = 'prob')

base_subsample_instance <- makeResampleInstance(rf_boot_desc,rf_task)

rf_subsample_result <- resample(rf_learner,rf_task,base_subsample_instance,extract = getFeatureImportance,measures = list(acc,auc,tpr,tnr,ppv,npv,f1,brier))

我的解决方案：mlr软件包的下载源代码。将源文件行73更改为1L（https://github.com/mlr-org/mlr/blob/v2.15.0/R/RLearner_classif_randomForest.R）。从命令行安装程序包并使用它。不是最佳解决方案，而是解决方案。