Question

我有一个包含变量“nameDay”的数据框，这是一个因子变量。日期表示为字符（“星期六”，“星期一”......），但我已将它们转换为因子。以下是此数据框中用于复制的前6行：

head(Casual.data) 

casual    casAvg Year weather season holiday humidity   medWs  nameDay
minTemp   avgHum    stdWs Hour derHum  atemp Day 3131      61
43.907692 2011       1      3       0       42 11.0014  Tuesday   31.16 54.77778 5.544601   16 -3.500 42.425  19 8581       5  1.369231 2012       2      3       0       70  6.0032 Thursday   29.52 65.55556
3.282332    5  1.000 34.090  19 4452      40 34.153846 2011       1      4       0       77  7.0015   Monday   21.32 57.77778 5.598605   20 
4.625 25.000  17 9610       1  2.828125 2012       1      4       0       73  7.0015   Friday   22.14 62.77778 3.206137    2  2.000 25.760   5
10235      1  1.421875 2012       1      4       1       76 11.0014  
Monday   16.40 71.77778 2.962030    4  1.750 20.455  12 496        0 
2.828125 2011       2      1       0       63  6.0032   Friday    5.74 49.55556 3.951886    2  2.875  8.335   4
      maxAtemp maxTemp   stdTemp  stdAtemp  derAtemp derTemp 3131    42.425   36.90 1.7608268 1.7536814  0.757500  0.7175 8581    35.605   31.16 0.7609278 0.7030059 -0.189375 -0.2050 4452    27.275   23.78 0.7609278 0.7033802 -0.189375 -0.2050 9610    31.060   27.06 2.0085816 2.4278610 -0.662500 -0.6150 10235   21.970   18.04 0.6833333 0.6310012 -0.189375 -0.2050 496     12.880    8.20 0.8961833 1.3659498 -0.283750 -0.3075

函数cv.glmnet（来自库glmnet）要求我将数据作为矩阵传递，而不是数据帧。因此，我将我的数据帧转换为矩阵：

Xcas <- as.matrix(Casual.data[,-1])

我拿出第一列，因为它是我的响应变量。我为我的响应向量创建了一个数字向量：

Ycas <- as.numeric(Casual.data$casual)

最后，我试图适应套索回归模型：

lasso.casual   <- cv.glmnet(x=Xcas, y=Ycas, alpha=1)

我收到此错误消息：

elnet中的错误（x，is.sparse，ix，jx，y，权重，偏移，
  type.gaussian，：外来函数调用中的NA / NaN / Inf（arg 5）在
  另外：警告信息：在elnet（x，is.sparse，ix，jx，y，weight，
  offset，type.gaussian，：由强制引入的NA

我认为这是因为我原始数据框中的“nameDay”变量，但我不确定。关于如何解决这个问题的任何想法？

由于

Answer 1

这是一个古老的问题，但无论如何，我会为其他可能偶然发现此问题的人做出快速反应。

正如sqluser所指出的那样，将工作日编码为数值将有效地分配一周中的第七天（欧洲的星期日）七倍于第一天的值 - 不可取的星期几是一个序数变量。相反，您应该将其因子级别表示为七个单独的列，其中包含每个工作日的虚拟变量（实际上为1＆＃39; s）。要轻松完成此操作，请查看stats::model.matrix函数。

Answer 2

原始data.frame中有因素（＆＃34; nameDay＆＃34;）。

我假设当你将它转换为矩阵时，它们会被转换为字符，并且由于矩阵只能有一种类型的变量，所以其余的数字列也会转换为字符。

转换后你真的检查了矩阵吗？我敢打赌，这就是你获得NAs的原因。

由于glmnet的性质，被迫将df转换为矩阵，我建议在将df转换为矩阵之前先将它们转换为数字（1,2,3 ... 7）。

我不知道你的数据，但是取决于nameDay变量的组件之间是否存在逻辑关系（所以应该有几天），将它们转换为数字1-7可能有也可能没有在你的模型中产生影响。

我想在R中使用库glmnet中的cv.glmnet。我的一个变量是工作日的字符表示，类型因子。我怎么能这样做？

2 个答案: