r - 如何使用非数字数据进行分类？

Question

我有一个这样的数据框：

-------------------------------------------------------------------
|   | Keywords         | Paragraph        | Date       | Decision |
|===+==================+==================+============+==========|
| 1 | a; b             | A lot. of words. | 12/15/2015 | TRUE     |
|---+------------------+------------------+------------+----------|
| 2 | c; d             | more. words. many| 01/23/2015 | FALSE    |
|---+------------------+------------------+------------+----------|
| 3 | a; d; c; foo; bar| words, words, etc| 12/13/2015 | FALSE    |
-------------------------------------------------------------------

但是有大约1500条记录。

我正在努力寻找决定的最常见特征。例如：

Group 1: Keywords: "a", Paragraph words: ["trouble", "abhorrent"], Date: "12/12/2015", 
         Outcome: FALSE, odds of FALSE Decision: 60%
Group 2: Keywords: "b", Paragraph words: ["good", "maximum"], Date: "02/02/2015", 
         Outcome: TRUE, odds of TRUE Decision: 30%

另外，如果我可以在这样的图表上绘制赔率，那就太好了：

    |   -----
60% |   |///|
    |   |///|      -----
30% |   |///|      |\\\|
    |   |///|      |\\\|
 0% +---|---|------|---|---
       Group 1    Group 2

我认为我正在寻找回归建模，但所有示例似乎都只处理纯数字数据。如何使用非数字数据完成此操作？

修改：以下是Google云端硬盘上dput文件的链接：https://drive.google.com/open?id=0BwrbzZiF0KGtVVZ4Tk1kdDdBZXM

Answer 1

使用您在此处上传的数据就是一个简单的例子：

mod <- glm(Decision ~ Keywords, data = df1, family = "binomial")

predictions <- predict(mod, df1, "response")

predictions 

  1   2   3   4   5   6 
0.6 0.6 0.6 0.6 0.6 1.0

以下是您想要的图表，其中的组由Keywords定义：

res <- aggregate(predictions, by=list(df1$Keywords), mean)

barplot(res$x, names.arg = c("Group 1", "Group 2"))