如何在randomForestSRC的变量重要性图中仅显示All类别的结果？

你可以直接从拟合好的模型对象里提取All类别的重要性得分，手动绘制图表——默认的plot()方法会把所有类别（包括各分类和All）都展示出来，官方确实没给直接只显示All的参数，手动提取数据是最直接的解决办法：

先修正代码里的包加载问题 #

你的代码开头加载的是class包，但实际用到的是randomForestSRC，先改过来：

library(randomForestSRC)

fit <- rfsrc(as.factor(DEFAULT) ~ .,
             data = CD, 
             ntree = 1000, 
             importance = TRUE,
             nsplit = 5)

提取All类别重要性并绘图 #

模型拟合完成后，fit$importance是个矩阵，行是变量，列包含各个分类和All，直接提取All列就能得到你要的数据：

用基础绘图实现

# 提取All类别的重要性得分
all_var_imp <- fit$importance[, "All"]
# 按得分降序排序
sorted_imp <- sort(all_var_imp, decreasing = TRUE)
# 绘制横向条形图（方便显示长变量名）
barplot(sorted_imp,
        las = 1,
        horiz = TRUE,
        main = "变量重要性（All类别）",
        xlab = "重要性得分",
        col = "#4682B4")

用ggplot2实现（更美观）

library(ggplot2)

# 转成数据框并排序
imp_df <- data.frame(
  变量 = names(all_var_imp),
  重要性得分 = all_var_imp
) %>% 
  arrange(desc(重要性得分))

ggplot(imp_df, aes(x = reorder(变量, 重要性得分), y = 重要性得分)) +
  geom_col(fill = "#4682B4") +
  coord_flip() +
  labs(title = "变量重要性（All类别）",
       x = "变量",
       y = "重要性得分") +
  theme_bw()

内容的提问来源于stack exchange，提问作者Antonio