我有两个数据集train（这个数据集包含变量date，store，item）和test（其中有{{1 }}），我已经合并为一个id, date,store, item，然后又进行了分区，因为我想最终使用df_all数据集创建一个预测train
sales的结构是
df_all将数据划分为：
'data.frame': 958000 obs. of 5 variables:
$ date : Factor w/ 1916 levels "2013-01-01","2013-01-02",..: 1 2 3 4 5 6 7 8 9 10 ...
$ store: int 1 1 1 1 1 1 1 1 1 1 ...
$ item : int 1 1 1 1 1 1 1 1 1 1 ...
$ sales: num 13 11 14 13 10 12 10 9 12 9 ...
$ id : Factor w/ 45001 levels "0","1","10","100",..: 45001 45001 45001 45001 45001 45001 45001 45001 45001 45001 ...`
，然后使用单次编码，因为set.seed(1234)
n = nrow(df_all)
index = sample(1:n, size = round(0.7*n), replace=T)
train = df_all[index, ]
test = df_all[-index, ]
是分类变量：
id除了这是我遇到问题的地方，因为我的矩阵最终看起来像
trainm <- sparse.model.matrix(sales ~ ., data= train)[,-1]
看起来不像我所需要的稀疏矩阵，并且列的奇怪情况正在发生，而不是它们应该如何显示（即日期，id，商店，商品，销售）。因此，如果有人对如何解决此问题有任何建议，或者还有另一种解决方法，将不胜感激！
答案 0 :(得分：1)
在分割主要数据集之前，我们应该始终进行一次热编码。原因是，有时您可能会发现测试中的值不在训练中，在这种情况下，您将无法训练/预测模型，因为总列数会不匹配。
因此，您应该这样做：
# ohe columns
df_ohe <- model.matrix(~.-1, data = df_all[,-c('id','date')])
# join id column with ohe columns
df_all_new <- cbind(df_all[,1], df_ohe)
现在，您可以将数据拆分为训练和测试。