Question

我有一个包含14个功能的数据集，其中很少有如下所示，其中性别和婚姻状况是分类变量。

height,sex,maritalStatus,age,edu,homeType

SEX
         1. Male
         2. Female

MARITAL STATUS
         1. Married
         2. Living together, not married
         3. Divorced or separated
         4. Widowed
         5. Single, never married

现在我使用R中的rpart库使用以下

构建分类树

rfit = rpart(homeType ~., data = trainingData, method = "class", cp = 0.0001)

这给了我一个不将性别和婚姻状况视为因素的决策树。

我正在考虑使用as.factor：

sex = as.factor(trainingData$sex)
ms = as.factor(trainingData$maritalStatus)

但我不知道如何将此信息传递给rpart。由于rpart（）中的data参数接受“trainingData”数据帧。它将始终采用此数据框中的值。我对R不熟悉，并希望得到别人的帮助。

Answer 1

您可以直接对trainingData数据框进行更改，然后运行rpart()。

trainingData$sex = as.factor(trainingData$sex)
trainingData$maritalStatus = as.factor(trainingData$maritalStatus)
rfit = rpart(homeType ~., data = trainingData, method = "class", cp = 0.0001)

Answer 2

在实践中，您可以将任何分类值转换为序数值，例如将“婚姻状况”转换为条件1,2,3 ...但是，除非您有一个概念性的定义，否则您通常不应进行转换。任何连续的价值。例如，如果您无法定义什么是1.2 Martital Status，则不应进行转换。相反，有时您可以使用代表值，具体取决于您的研究目标。例如，如果您尝试链接数据以预测家庭类型，则每个婚姻状况的“最低程度的舒适度”是一个序数值，如果（假设）为1.2，则可以解释。

使用rpart构建具有分类变量的分类树

2 个答案: