如何在多变量线性回归模型中使用分类变量（离散变量）。
众所周知，线性回归模型是由连续数据驱动的。离散变量（例如：0和1）在此类模型中有效，因为它们具有阶跃值（是的，不是，我不知道）。
显然，将一个类别变量放入多变量线性模型中很容易，但是如果我占多数，则这样的离散变量是有问题的。
这是真实经验的例子。
我正在设计用于预测面包店零售网络需求的模型。所有者有一个问题：第二班需要送多少货到商店。对于正在下班回家的客户。
我发现了7个重要的变量：
第一个变量：1。平日，2。周末，3。节假日前一天
第二个变量：1.天气不好2.天气不错是
第三：温度（连续数据）
第四：一周中的哪一天（从1到7）
第五：通讯列车问题是（否）（对于火车站附近的商店）
所有者需要知道要发送多少产品才能满足需求。因此排除了逻辑回归。 我有个主意，可以使用任何统计工具将离散数据转换为连续数据。但是我在线性回归模型中也得到了相同的结果。我不知道如何解决这个问题。