Question

我有一个数据集，其中主要包含我想要格式化的分类变量（因子）。数据集目前的格式如下：

    Obs X1 X2 X3 X4 ... X50
    1   A  B  C  D
    2   B  A  D  E
    3   B  C  D  A

然而，X1和X2的A应该是相同的，即X1和X2可以被认为是首先检测到的因素。我的想法是使用假人制定数据集;

    Obs A B C D ...
    1   1 1 1 1 ...
    2   1 1 0 1 ...
    3   1 1 1 1 ...

我尝试解决方案的方法是：我已将所有分类变量分离到data.frame df中，然后尝试为所有因子的每个级别创建虚拟变量。

for (i in 1:ncol(df)){
    for(level in df[,i]){
        df2[paste("", level, sep="")] = ifelse(i == level, 1, 0)
    }
}

但是，当我尝试运行此代码时R似乎冻结了 - 有什么理由说明为什么它不应该工作？有没有人有任何建议可以更有效地处理这个问题？

Answer 1

如果要快速创建虚拟变量，请使用Matrix库创建稀疏矩阵。如果分类变量尚未使用data$X1<-as.factor(data$X1)

，则需要将其转换为因子

library(Matrix)
 f <- as.formula(DependedntVar~  + X1
                  + X2
                  + X3..etc)

  # transform dataframe to spareMatrix
  x <- model.matrix(f, data)
  y <- as.matrix(DependedntVar, ncol=1)

现在您可以使用稀疏矩阵x对y进行建模，其中y是包含因变量的一列Matrix，x是稀疏矩阵，其中因子已转换为dummay变量。

此外，你需要注意X1和X2之间的自相关，因为它会从你说它们100％相关的内容中看出来

为具有相同级别的不同因子创建虚拟变量

1 个答案: