Question

我知道这可能是一个重复的问题，但是我发现其他答案在我的情况下不起作用。

我正在使用以下数据集：

> str(total_data)
'data.frame':   32260 obs. of  13 variables:
 $ age            : int  40 42 44 32 25 31 30 30 27 28 ...
 $ workclass      : Factor w/ 4 levels "Other-Unknown",..: 3 2 2 1 2 2 2 3 2 3 ...
 $ education      : Ord.factor w/ 7 levels "1"<"2"<"3"<"4"<..: 2 3 2 2 2 3 2 2 2 2 ...
 $ marital.status : Factor w/ 5 levels "Divorced","Married",..: 2 1 2 3 3 3 3 2 2 3 ...
 $ occupation     : Factor w/ 6 levels "Blue-Collar",..: 5 3 6 2 1 6 6 1 1 6 ...
 $ race           : Factor w/ 5 levels "Amer-Indian-Eskimo",..: 1 5 1 1 5 5 5 5 5 5 ...
 $ sex            : Factor w/ 2 levels "Female","Male": 2 2 2 1 2 2 2 2 1 1 ...
 $ hours.per.week : int  84 40 40 38 40 38 48 70 35 38 ...
 $ naitive.country: Factor w/ 41 levels "?","Cambodia",..: 39 39 39 39 39 39 39 12 39 39 ...
 $ classifier     : chr  "<=50K" "<=50K" ">50K" "<=50K" ...
 $ class_num      : Factor w/ 2 levels "1","2": 1 1 2 1 1 1 1 2 1 1 ...
 $ age_norm       : num  0.315 0.342 0.37 0.205 0.11 ...
 $ hours_norm     : num  0.847 0.398 0.398 0.378 0.398 ...

我正在尝试使用one_hot（）将因子编码为二进制，但是会收到以下错误消息：

encoded_data <- one_hot(total_data, dropCols = FALSE)

错误消息：

Error in `[.data.frame`(dt, , cols, with = FALSE) : 
  unused argument (with = FALSE)

我不确定“ with”参数是什么，因为我在R文档中没有看到它。

我还看到有人建议使用model.matrix。但是，当我使用它时，我的有序因子也会被编码，这就是我要避免的事情。

这是我的有序因子变量发生的情况

education.L  education.Q  education.C  education^4  education^5  education^6
-3.779645e-01  9.690821e-17  4.082483e-01  -0.5640761  4.364358e-01 -0.19738551  
-1.889822e-01  -3.273268e-01  4.082483e-01  0.0805823 -5.455447e-01 0.49346377

我也不确定为什么属性名称后面有时会有字母或数字。即教育**。L ** vs教育** ^ 5 **

Answer 1

将data.frame转换为data.table，它应该可以正常工作。

library(data.table)  
dt = data.table(total_data)  
one_hot(dt)

尝试使用one_hot编码时出错

1 个答案: