如何使用插入符号作为分类变量为预测模型选择特征？

【问题标题】：How can i select feature for a prediction model using caret for categorical variable?如何使用插入符号作为分类变量为预测模型选择特征？
【发布时间】：2019-10-31 20:16:20
【问题描述】：

我发现 R 中的 caret 包对于查看建模的重要性变量非常有帮助。但是，我的数据集中有所有分类变量，在这种情况下，'varImp' 命令返回因子变量的每个标签的变量重要性。我只想确定重要的不同变量列表，而不是标签。

library(caret)
logit <- glm(Life.Insurance.Owner~., data = train, family = 'binomial')
summary(logit)

varImp(logit,scale=FALSE)

【问题讨论】：

标签： machine-learning data-science data-mining r-caret

【解决方案1】：

正如您提到的“数据集中的所有分类变量”.. 任何机会我都会看看变量。每个变量的水平大小是多少？

有一种可能，您可以这样做 - 将分类变量转换为虚拟变量。现在你的数据集代表连续变量。 [但是，这同样取决于具体情况，并且 - 还要牢记您的目标。]

创建虚拟变量的简单示例：

x = c(红、蓝、绿)

y = c(公共汽车、火车、船)

x.dummy = model.matrix(~x - 1, data = x)

y.dummy = model.matrix(~y - 1, data = y)

【讨论】：

谢谢。我的因变量是二元变量，自变量是分类变量。级别因变量而异，例如 2 到 7。
如何分享数据结构并与您讨论问题？