问：

我想确定一组可以预测中风后疼痛（结果）的变量。 我有 >20 个协变量。 我拟合了 3 个 ML 模型：弹性网络、随机森林和梯度提升。从每个模型中，我都获得了可变的重要性值。但是，我想对每个 ML 方法的重要性值 （%） 进行归一化，或者找到每个变量对结果的相对重要性 （%）。

这是我拥有的代码示例，但无法获得我预期的结果： set.seed（20231116）

使用交叉验证训练弹性网络模型

elastic_net_cv_model <- cv.glmnet（x_train， y_train， alpha = 0.5， lambda = seq（0.01， 1， length = 100））

根据交叉验证结果找到最佳 lambda 值

best_lambda_elastic_net <- elastic_net_cv_model$lambda.min

使用最佳 lambda 值训练弹性网络模型

elastic_net_model <- glmnet（x_train， y_train， alpha = 0.5， lambda = best_lambda_elastic_net）

从弹性网络模型中获取系数

系数 <- coef（elastic_net_model）

提取每个特征的系数

feature_coefficients <- as.matrix（系数）[-1， ]

对系数进行归一化，使绝对值之和等于 1

normalized_importance <- feature_coefficients / sum（abs（feature_coefficients））

打印或使用规范化的重要性值

打印（normalized_importance）

请查看一些结果以了解为什么我需要获得归一化的重要性值 （%）

弹性网络如下所示： 年龄 0.00000 性别 -0.12460 出生国 -0.1283 ... ...

随机森林： 年龄 34.08 性别 13.11 出生国家/地区 11：00 ... ...