Question

我有一个看起来像这样的数据

    id var1 var2 var3 response var4
1   1    0 cat1    E        1   T4
2   1    0 cat1    E        1   T2
3   2    0 cat2    B        1 <NA>
4   3    0 cat3    C        0 <NA>
5   4    0 cat4    D        0   T3
6   4    0 cat4    D        0   T1
7   5    1 cat1    A        1   T4
8   5    1 cat1    A        1   T3
9   6    1 cat3    C        1   T3
10  7    0 cat1    C        0   T1

我想为因变量"response"

运行glm

因为您可以看到ID不是唯一的，因为每个ID可以为“var4”带来多个值，

为此我尝试了model.matrix，但它没有保留Id，因此很难检查结果，我确信有一种简单的方法可以做到这一点，有人可以帮忙吗？

生成您可以使用的上述数据

# GENERATING THE FIRST DATA FRAME

set.seed(1984)

df1 <- data.frame(id = 1:15, 
                  var1 = sample(0:1, 15, replace = T, prob = c(.7,.3)), 
                  var2 = sample(c('cat1','cat2', 'cat3','cat4'),15, replace = T), 
                  var3 = sample(LETTERS[1:5],15, replace = T ), 
                  response = sample(0:1, 15, replace = T)
                  )

# GENERATING THE 2ND DATA FRAME
set.seed(1984)

df2 <- data.frame(id = sample(1:15, 20, replace = T), 
                  var4 = sample(c('T1','T2','T3','T4'), 20, replace = T))

df2 <- unique(df2[order(df2$id), ])
row.names(df2) <- NULL

# MERGING THE TWO
df3 <- merge(df1, df2, by = 'id', all = T )

df3

Answer 1

我会使用reshape2包中的dcast重塑数据。这将重塑您的数据，因此在将数据帧送入model.matix之前，每个id都在一行上并且一个热编码var4。使用您的最小工作示例，这将是：

library(reashpe2)

newDF <- dcast(df3, ...~var4,function(x) length(x))
model.matrix(response ~., newDF)

分类变量的多个值，GLM，model.matrix

1 个答案: