Question

我正在尝试使用cut函数将连续变量转换为R中的分类变量的二进制列。代码是

    xyz=rnorm(20,3,1)
    xcut=cut(xyz,breaks=c(2,3))

这会将xyz转换为分类变量，但我希望有三个二进制列，其中列名称为'＆lt; 2'，'2-3'和'＆gt; 3'，并且如果{{1是1.5，然后第一行的值是1,0和0，我需要xyz[1]的所有20个值。我不想使用for和if循环来创建这个20x3矩阵，我可以用数字方式用xyz来做。我想知道是否有更短的方法吗？

Answer 1

我们可以使用table

xcut <- cut(xyz,breaks=c(-Inf,2,3, Inf), labels = c("<2", "2-3", ">3"))
table(seq_along(xcut), xcut)

数据

set.seed(24)
xyz <- rnorm(20,3,1)

Answer 2

解决方案之一是使用无监督离散化。它完全基于观察到的连续属性分布。这里有2个函数以及用法示例：

# 1. Functions

# 1.1. Equal-width discretization for a single attribute
disc_width <- function(v, k = 5) {
  w <- diff(r <- range(v)) / k
  c(r[1], seq(r[1] + w, r[2] - w, w), r[2])
}

# 1.2. Equal-frequency discretization for a single attribute
disc_freq <- function(v, k = 5) {
  v <- v[!is.na(v)]
  r <- range(v)
  f <- unique(quantile(v, seq(1/k, 1-1/k, 1/k))) 
  c(r[1], f, r[2])
}

# 2. Usage

# 2.1. Feature
x <- mtcars$mpg

# 2.2. Range of feature 'x'
range(x)

# 2.3. Equal-width discretization
disc_width(x, 4)

# 2.4. Equal-frequency discretization
disc_freq(x, 5)

将连续变量转换为二进制变量

2 个答案:

数据