R语言iml包机器学习可解释教程运行报错问题咨询

问题复现 #

运行iml包机器学习模型解释相关教程时，已通过加载modeldata包内置attrition数据集的方式，修复了预处理阶段'attrition' is not an exported object from 'namespace:rsample'的报错，数据预处理、模型训练流程可正常运行。
后续在全局解释模块计算特征重要性时，调用FeatureImp$new()方法、指定损失指标为"mse"，尝试为训练好的glm、随机森林、gbm三个模型分别构建特征重要性对象，三次执行均返回相同报错：

Error in [.data.frame(prediction, , self$class, drop = FALSE) : undefined columns selected

运行环境为R 4.2.0、Windows 10。

报错原因 #

该报错和操作系统、R 4.2.0版本无直接关联，核心是参数配置不匹配任务类型：

• 当前任务是基于attrition数据集的员工离职二分类任务，错误使用了回归任务专属的mse（均方误差）作为特征重要性的计算损失。iml在mse损失逻辑下会默认寻找模型输出的单列连续预测值，但分类模型默认返回的是多列概率矩阵（每个类别对应一列概率值），格式不匹配导致无法选中对应列。
• 初始化Predictor对象、调用FeatureImp$new()时，未显式指定分类任务需要解释的目标类别，iml无法从多列概率输出中定位要计算损失的目标列。

解决方案 #

按以下步骤调整代码即可修复：

• 匹配任务与损失指标
  分类任务弃用mse损失，替换为分类场景适配的损失指标：二分类/多分类优先用"ce"（交叉熵损失），二分类场景如果关注排序能力也可使用"auc"作为损失。
• 显式声明分类任务相关参数
  构建Predictor对象时必须显式传入标签列，确保标签为因子类型且和模型训练时的标签层级完全一致；调用FeatureImp$new()时通过class参数明确指定要解释的目标类别（即你关注的正类标签值，比如attrition数据集中代表离职的"Yes"）。
  参考正确代码示例：

  # 确保标签为因子类型，和建模时的类型、层级保持一致
  attrition$Attrition <- as.factor(attrition$Attrition)
  
  # 以随机森林模型为例构建Predictor对象，glm、gbm模型写法一致
  library(iml)
  predictor.rf <- Predictor$new(
    model = rf_model, # 替换为你训练好的模型对象
    data = attrition[, setdiff(names(attrition), "Attrition")], # 输入特征列，不含标签
    y = attrition$Attrition, # 显式传入标签列
    # 分类任务显式定义预测函数，返回各分类的概率矩阵，列名与标签层级对应
    predict.fun = function(model, newdata) {
      predict(model, newdata, type = "prob")
    }
  )
  
  # 构建特征重要性对象
  imp.rf <- FeatureImp$new(
    predictor = predictor.rf,
    loss = "ce", # 分类任务用交叉熵损失
    class = "Yes", # 替换为你自己任务中的正类标签值
    compare = "difference"
  )
  

• 兼容性排查
  如果调整上述参数后仍报错，检查iml包版本，升级到0.9.0及以上版本即可，旧版本iml对caret、tidymodels框架训练的分类模型的预测输出存在兼容性bug。

内容的提问来源于stack exchange，提问作者tomek