将连续变量转换为二进制变量答案

【问题标题】：Convert continuous variables to binary variables将连续变量转换为二进制变量
【发布时间】：2018-09-16 21:36:03
【问题描述】：

我正在尝试使用cut 函数将连续变量转换为 R 中分类变量的二进制列。代码是

    xyz=rnorm(20,3,1)
    xcut=cut(xyz,breaks=c(2,3))

这会将xyz 转换为分类变量，但我想要三个二进制列，其中列名为“3”，如果xyz[1] 为 1.5，那么第一行的值是 1、0 和 0，对于xyz 的所有 20 个值，我都需要它。我不想使用 for 和 if 循环来创建这个 20x3 矩阵，我已经可以用 xyz 以数字方式完成它。我想知道是否有更短的方法可以做到这一点？

【问题讨论】：

我倾向于在这里使用model.matrix：model.matrix(~0 + xcut)

标签： r binary cut categorical-data

【解决方案1】：

我们可以使用table

xcut <- cut(xyz,breaks=c(-Inf,2,3, Inf), labels = c("<2", "2-3", ">3"))
table(seq_along(xcut), xcut)

数据

set.seed(24)
xyz <- rnorm(20,3,1)

【讨论】：

【解决方案2】：

其中一种解决方案是使用无监督离散化。它完全基于观察到的连续属性的分布。以下是 2 个函数的用法示例：

# 1. Functions

# 1.1. Equal-width discretization for a single attribute
disc_width <- function(v, k = 5) {
  w <- diff(r <- range(v)) / k
  c(r[1], seq(r[1] + w, r[2] - w, w), r[2])
}

# 1.2. Equal-frequency discretization for a single attribute
disc_freq <- function(v, k = 5) {
  v <- v[!is.na(v)]
  r <- range(v)
  f <- unique(quantile(v, seq(1/k, 1-1/k, 1/k))) 
  c(r[1], f, r[2])
}

# 2. Usage

# 2.1. Feature
x <- mtcars$mpg

# 2.2. Range of feature 'x'
range(x)

# 2.3. Equal-width discretization
disc_width(x, 4)

# 2.4. Equal-frequency discretization
disc_freq(x, 5)

【讨论】：