Question

我在数据框中有很多列是标记＆＃34; 0＆＃34;和＆＃34; 1＆＃34;。他们属于班级＆＃34;整数＆＃34;当我导入数据帧时。

0表示缺席，1表示存在于所有列中。

我是否需要将它们转换为fators？[因素将使得1级和1级2目前它们几乎相似0＆amp; 1虽然是整数]

我计划稍后使用xgboost来构建预测模型。 Xgboost仅适用于数字列，因此如果我将列转换为因子，那么我需要对它们进行一次热编码以将它们转换为数字。

（旁边问题：如果我们进行一次热编码以消除共线性，我们是否总是需要删除一列？）

Answer 1

简短回答：取决于。是的，只是为了更好的变量解释。否0/1变量整数和因子都相同。

如果你问我的个人意见，那么我更倾向于是;因为你更可能还有一些分类变量，它们要么具有字符串值要么超过2个等级，要么除了0和1之外还有2个整数等级。在所有上述情况下，0/1变量整数和因子都不相同。只有0/1二进制级别的特定情况;整数变量和因子是相同的。因此，您可能希望在编码中保持一致性，甚至也希望将其用于0/1案例。

看自己：

a <- c(1,2,1,2,1,2,5)
c<-as.character(a)
b<-as.factor(c)
d<-as.integer(b)

这里我只是玩a向量，最后给了我：

> d
[1] 1 2 1 2 1 2 3

因此，如果您不想调试未来值的变化，请从开始使用as.factor()。

侧面答案：是的。搜索model.matrix()和contrasts.arg以便在R中完成此操作。

Answer 2

错误指出xgb.DMatrix采用数值，其中数据是整数。

将数据转换为数字使用

train[] <- lapply(train, as.numeric)

然后使用

xgb.DMatrix(data=data.matrix(train))

Xgboost - 我们是否必须将整数转换为因子，如果它们只是0＆amp; 1

2 个答案: