预测R的model.matrix中有多少列

Question

有没有办法预测使用公式在model.matrix中有多少列，而不必实例化一个model.matrix？

我正在尝试优化构建sparse.model.matrix的代码：

构造稀疏mm的内存分配在此函数中效率低下。因为它不知道末尾矩阵中将有多少列，所以它不能为大矩阵分配1个单独的内存。相反，它将循环遍历公式中的项，并分配许多较小的矩阵。在for循环的每次迭代期间，它还会将矩阵组合在一起以增大大输出矩阵，这会产生如此多的内存分配，并且对于大数据来说真的很慢。

如果有办法计算最终结果需要多少列，我们可以预先分配矩阵并使sparse.model.matrix更有效率。

我面临的挑战是我不知道如何计算交互术语需要多少列，特别是如果形式为a：b：c的交互。此外，我没有对比经验，因此不知道这对所需列数的影响

Answer 1

这是一个小例子：

> set.seed(100)
> col_x1 = as.factor(sample(LETTERS[1:5], 10, replace = TRUE))
> col_x2 = as.factor(sample(LETTERS[1:10], 10, replace = TRUE))
> col_x3 = as.factor(sample(LETTERS[1:2], 10, replace = TRUE))
> df <- data.frame(X1 = col_x1, X2 = col_x2, X3 = col_x3)
> df
   X1 X2 X3
1   B  G  B
2   B  I  B
3   C  C  B
4   A  D  B
5   C  H  A
6   C  G  A
7   E  C  B
8   B  D  B
9   C  D  B
10  A  G  A
> str(df)
'data.frame':   10 obs. of  3 variables:
 $ X1: Factor w/ 4 levels "A","B","C","E": 2 2 3 1 3 3 4 2 3 1
 $ X2: Factor w/ 5 levels "C","D","G","H",..: 3 5 1 2 4 3 1 2 2 3
 $ X3: Factor w/ 2 levels "A","B": 2 2 2 2 1 1 2 2 2 1
> df_model_matrix <- model.matrix(~., df)
> dim(df_model_matrix)
[1] 10  9
> df_model_matrix <- model.matrix(~ X1 + X2 + X3 + X1*X2 + X2*X3 + X3*X1, df)
> dim(df_model_matrix)
[1] 10 28
> df_model_matrix <- model.matrix(~ X1 + X2 + X3 + X1*X2 + X2*X3 + X3*X1 + X1*X2*X3, df)
> dim(df_model_matrix)
[1] 10 40

在这种情况下，您正在寻找的公式是：

如果你以非常特殊的方式使用model.matrix（提供对比，抑制拦截等），那么你需要相应地修改它。