使用r实现一键编码

Question

对于我正在处理的数据集，我想对它们进行一次热编码以构建一些预测模型，其中有很多字符变量。在我的代码中，我排除了两个变量，因为对它们进行编码没有意义，它们是商品标识符和商店的成立年份。这是我正在使用的代码：

one_hot_encoding = dummyVars("~.", data = train[,- 
c("Item_Identifier", "Outlet_Establishment_Year")], fullRank = T)
ohe_df = data.table(predict(one_hot_encoding, train[,- 
c("Item_Identifier", "Outlet_Establishment_Year")]))
train = cbind(train[,"Item_Identifier"], ohe_df)  

执行第一行时会出现此错误：

  

-c（“ Item_Identifier”，“ Outlet_ Establishmentment_Year”）中的错误：     一元运算符的参数无效。

为什么？还有一个关于dummyVars函数的问题：默认情况下，它是否排除输入数据集的数字变量？

Answer 1

是的，默认情况下不包括数字变量。

关于您的错误，有一些解决方法：

1. 带有dplyr-包

   select(train, -Item_Identifier, -Outlet_Establishment_Year)

2. 并带有base-R

   train[, -which(names(train) %in% c("Item_Identifier", "Outlet_Establishment_Year")]

   或者只需使用列号即可

   train[, -c(1,6)]