考虑这个经过修改的经典示例:
library(dplyr)
library(tibble)
dtrain <- data_frame(text = c("Chinese Beijing Chinese",
"Chinese Chinese Shanghai",
"France",
"Tokyo Japan Chinese"),
add_numeric = c(1, 1, 0, 1),
doc_id = 1:4,
class = c(1, 1, 1, 0))
> dtrain
# A tibble: 4 x 4
text add_numeric doc_id class
<chr> <dbl> <int> <dbl>
1 Chinese Beijing Chinese 1 1 1
2 Chinese Chinese Shanghai 1 2 1
3 France 0 3 1
4 Tokyo Japan Chinese 1 4 0
在这里,我想使用 lasso 来预测class
。感兴趣的变量是text
和add_numeric
。
我知道如何使用text2vec
或tm
仅使用class
预测text
:包会将text
转换为稀疏文档字词矩阵,喂模型。
但是,在这里,我想同时使用文字变量text
和add_numeric
。我不知道如何混合这两种方法。有任何想法吗?
谢谢!
答案 0 :(得分:1)
我还没有检查过如何用text2vec做这个,但是使用quanteda这很容易做到,只使用cbind
,其优点是保持稀疏矩阵。我没有更改dimnames,因此添加的列将显示为feat1。
library(quanteda)
dtm <- dfm(dtrain$text) # create documenttermmatrix
dtm_num <- cbind(dtm, dtrain$add_numeric) # add column to sparse matrix.
dtm_num
Document-feature matrix of: 4 documents, 7 features (60.7% sparse).
4 x 7 sparse Matrix of class "dfm"
features
docs chinese beijing shanghai france tokyo japan feat1
text1 2 1 0 0 0 0 1
text2 2 0 1 0 0 0 1
text3 0 0 0 1 0 0 0
text4 1 0 0 0 1 1 1