如何用R提取二分类模型中恶性类的变量重要性并转为数据框

当你用varImp()获取到针对恶性类的变量重要性后，直接提取结果对象中的$importance字段即可得到基础数据框，再通过简单整理就能得到包含变量名和对应重要性分数的清晰结构：

基础实现（Base R） #

在你现有代码的print(var_imp_sens)之后添加以下代码：

# 提取恶性类的变量重要性数据
var_imp_df <- as.data.frame(var_imp_sens$importance)
# 添加变量名列并重置行名
var_imp_df <- data.frame(
  Variable = rownames(var_imp_df),
  Malignant_Importance = var_imp_df$malignant,
  row.names = NULL
)
# 查看结果
print(var_imp_df)

用dplyr简化（可选） #

如果你习惯用tidyverse工具，可以更简洁地整理：

library(dplyr)
library(tibble)

var_imp_df <- var_imp_sens$importance %>%
  rownames_to_column("Variable") %>%
  rename(Malignant_Importance = malignant)

补充说明 #

• varImp()返回的VarImp对象中，$importance本身就是一个数据框，行对应变量名，列对应指定类（这里是malignant）的重要性分数。
• 如果你想同时保留两个类的重要性，只需去掉class = "malignant"参数，再按同样方式提取整理即可。
• 你的循环最后一次迭代是训练rf模型，所以当前var_imp_sens是针对随机森林模型的结果；如果需要获取knn模型的变量重要性，需要在循环内分别保存每个模型的varImp结果。

内容的提问来源于stack exchange，提问作者thole