Importance des variables
Les variables classées selon leur poids dans la prédiction d’une forêt aléatoire, celles qui en ôteraient le plus de précision en tête : en couleur les importances significatives d’après un test par permutation (étoiles), en gris les autres. En barres horizontales, sucettes, points, colonnes ou barres circulaires.
1.Définition
La figure
Les variables classées selon leur poids dans la prédiction d’une forêt aléatoire, celles qui en ôteraient le plus de précision en tête : en couleur les importances significatives d’après un test par permutation (étoiles), en gris les autres. En barres horizontales, sucettes, points, colonnes ou barres circulaires.
L’analyse statistique : Random Forest
La forêt aléatoire combine 500 arbres de décision pour prédire une réponse (une classe ou une valeur) et classer les variables par importance, sans supposer de forme au lien.
2.Lancer l’analyse
Les étapes de « Nouvelle analyse », dans l’ordre : ce que chacune demande, et pourquoi.
Étape 1 : Choisir la figure
Ouvrez « Nouvelle analyse », famille « Prédiction » du ruban, puis cette figure.
Pourquoi : Chaque figure a ses propres options : la choisir d’abord fixe celles qui la font et masque celles des autres figures.
Étape 2 : Importer les données
Un fichier CSV, TXT ou Excel (.xlsx, .xls) de 50 Mo et 200 000 lignes au plus, ou « Utiliser le jeu d’exemple » : sur lui, la figure est gratuite.
Pourquoi : Le fichier est lu dans votre navigateur : seules les colonnes que vous choisirez partiront au calcul, et elles sont effacées du serveur au bout de 24 h.
Étape 3 : Vérifier le type des colonnes
Chaque colonne est reconnue numérique, catégorielle ou texte ; un clic sur son type le change.
Pourquoi : Le rôle qu’une colonne peut prendre dépend de son type : un facteur codé 1, 2, 3 doit passer en catégorielle pour être lu comme des groupes.
Étape 4 : Attribuer les rôles
Dites ce que représente chaque colonne, et ce que la figure vous demande :
- Une variable à prédire, classe ou valeur
- Les prédicteurs
- Le nombre d’arbres et de permutations du test
Pourquoi : Les rôles disent au moteur ce qui est mesuré, ce qui l’explique et ce qui groupe les observations : la même table répond à des questions différentes selon eux.
Étape 5 : Régler les options
Les options qui font cette figure sont déjà fixées. Restent :
- Réponse catégorielle ou numérique : Catégorielle : classification (précision, ROC) ; numérique : régression (R², RMSE).
- Prédicteurs : Toutes les variables candidates : la forêt gère les liens non linéaires et les interactions. Facteurs de 53 niveaux au plus.
- Permutations du test d’importance (99, 499, 999) : Plus de permutations, des p plus fines : avec 499, la plus petite p possible est 0,002.
Pourquoi : Les valeurs par défaut sont les conventions des revues ; ne les changez que pour une raison que vous sauriez écrire dans votre section Méthodes.
Étape 6 : Lancer le calcul
Gratuit et complet sur le jeu d’exemple. Sur vos données : 5 crédits débités au lancement ; sans assez de crédits, un aperçu flouté, à débloquer pour 5 crédits.
Pourquoi : Le calcul est fait par R sur nos serveurs, et vous suivez ses étapes. S’il échoue, les crédits sont rendus.
Étape 7 : Lire les résultats
Les tableaux, l’interprétation en français ou en anglais et le paragraphe « Méthodes » prêt pour votre manuscrit.
Pourquoi : Chaque chiffre vient de R, et chaque phrase est un modèle rempli avec eux, jamais un texte inventé : vérifiez-les avec les tableaux.
Étape 8 : Télécharger la figure
PNG 300 DPI, PDF, EPS ou SVG, à 89 ou 183 mm ; les textes se modifient dans l’éditeur de figure.
Pourquoi : 89 mm est la largeur d’une colonne de revue, 183 mm celle d’une page : la figure est mise en page pour chacune, rien ne s’y chevauche.
3.Pourquoi et quand l’utiliser
Quand l’utiliser
Avec beaucoup de prédicteurs, éventuellement liés entre eux ou non linéaires : savoir lesquels comptent le plus pour prédire une réponse, et lesquels comptent plus que le hasard.
Exemple de question : Quelles variables du milieu prédisent le mieux la présence du crabe ?
Ce que les résultats montrent
- Les variables qui comptent le plus pour la prédiction (importance par permutation, testée par rfPermute).
- La qualité de la prédiction hors sac : précision, matrice de confusion, ROC et AUC, ou R² et RMSE.
4.Méthode et packages R
Ce que le moteur R exécute pour cette figure : les packages, les fonctions principales, les étapes du calcul et les formules.
Packages R
- randomForest
- rfPermute
- pROC
- ggplot2
randomForest(y ~ ., ntree = 500)
Fonctions principales
| Fonction | Package | Rôle |
|---|---|---|
| randomForest | randomForest | la forêt |
| rfPermute | rfPermute | p de l’importance |
| roc, ci.auc | pROC | courbe ROC et AUC |
| ggplot | ggplot2 | importance, ROC, confusion |
Ce que fait le script, dans l’ordre
- Ajuste 500 arbres (randomForest), mtry = √p en classification, p/3 en régression, graine 2026.
- Mesure l’erreur hors sac (les lignes que chaque arbre n’a pas vues).
- Calcule l’importance par permutation ; la teste en réajustant des forêts sur la réponse permutée (rfPermute).
- Trace la ROC sur les votes hors sac (2 classes), la matrice de confusion ou prédit-observé.
Formules principales
Importance par permutation
Iⱼ = erreur après permutation de la variable j − erreur d’origine
Si mélanger une variable dégrade beaucoup la prédiction, la forêt s’en sert : elle est importante.
p du test d’importance
p = (nombre de forêts permutées où Iⱼ ≥ Iⱼ observée + 1) / (permutations + 1)
La probabilité d’une importance aussi forte si la variable n’avait aucun lien avec la réponse.
Aire sous la courbe ROC
AUC = P(score d’un positif > score d’un négatif)
0,5 : hasard ; 0,7 acceptable ; 0,8 bon ; 0,9 excellent. IC 95 % de DeLong.
À citer
- Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5-32. doi:10.1023/A:1010933404324 (nouvel onglet)
- Robin, X., Turck, N., Hainard, A., Tiberti, N., Lisacek, F., Sanchez, J.-C. & Müller, M. (2011). pROC: an open-source package for R and S+ to analyze and compare ROC curves. BMC Bioinformatics, 12, 77. doi:10.1186/1471-2105-12-77 (nouvel onglet)
5.Données d’entrée
Une ligne par observation : la réponse (classe ou valeur) et une colonne par prédicteur ; 20 lignes au moins, 5 par classe.
Ce que la figure demande
- Une variable à prédire, classe ou valeur
- Les prédicteurs
- Le nombre d’arbres et de permutations du test
Format : CSV, TXT ou Excel, une ligne d’en-tête avec le nom des colonnes. La virgule ou le point décimal, le séparateur et l’encodage sont reconnus seuls ; une case vide est une valeur manquante.
Le jeu d’exemple : Présence d’un crabe de mangrove (TXT)
Rôles : Presence prédite par la zone, la température, la salinité, la profondeur et le couvert.
6.Prix
5crédits
par lancement sur vos données. Chaque figure coûte 5 crédits, quelle qu’elle soit : la figure, ses tableaux, son interprétation et ses téléchargements sont compris.
| Pack | Prix du pack | Cette figure |
|---|---|---|
| Starter (50 crédits) | 500 FCFA | 50 FCFA |
| Standard (250 crédits) | 2 000 FCFA | 40 FCFA |
| Pro (700 crédits) | 5 000 FCFA | 36 FCFA |
- Gratuite sur son jeu d’exemple (inventaire_especes.txt), résultats complets : pour la découvrir avant d’importer vos données.
- Sur vos données sans assez de crédits, elle se lance quand même en aperçu flouté, débloqué ensuite pour 5 crédits sans relancer le calcul.
- Si le calcul échoue, les crédits sont rendus.
- Paiement par mobile money ; voir les packs.
Lancer « Importance des variables » sur vos données
Ou ouvrez-la gratuitement avec son jeu d’exemple pour voir chaque étape et des résultats complets avant d’importer votre fichier.