如何将结构异构的caret变量重要性嵌套列表转换为dataframe

以下代码可直接适配你描述的两类varImp输出结构，自动完成批量转换：

首先加载依赖包：

# 需提前安装好对应包
library(caret)
library(tidyverse)

执行转换，假设你通过lapply生成的变量重要性嵌套列表命名为imp_list：

final_imp_df <- imap_dfr(imp_list, function(imp_result, algo_name) {
  # 提取单模型的重要性原始数据，行名转特征名列
  single_imp <- imp_result$importance %>%
    rownames_to_column("feature_name")
  
  # 统一提取重要性数值
  if ("Overall" %in% colnames(single_imp)) {
    single_imp$importance <- single_imp$Overall
  } else {
    # 两类输出数值完全一致，任选其一即可，也可替换为指定列名如"Death"
    single_imp$importance <- single_imp[[2]]
  }
  
  # 输出标准三列结构
  single_imp %>%
    mutate(algorithm = algo_name) %>%
    select(algorithm, feature_name, importance)
})

补充说明：

• 输出的final_imp_df就是符合要求的三列tibble结构，可直接用write.csv()导出到CSV文件，无需手动整理Excel。
• 如果你的varImp生成时指定了scale参数，转换结果会保留原计算的重要性数值，不会做额外修改。

内容的提问来源于stack exchange，提问作者Max92