R中的假人因素

Question

我的数据包含有关智能手机的数据。 要做一个random forest，我需要将我的因子品牌转换成很多假人。

 I tried this code

 m <- model.matrix( ~ Brand, data = data_price)

 Intercept  BrandApple  BrandAcer  BrandAlcatel ...
 1          0           0          1
 1          1           0          0
 ...

问题是原始数据有 2039 行，而这个输出只有 2038 行。 现在我想将假人添加到我的data_price，但这不起作用。

如何制作一个虚拟模型并将其添加到我的数据集中？

Answer 1

您使用model.matrix 的方法应该可以正常工作，我们只需要弄清楚丢失的行发生了什么。我想问题是您的因素中缺少值。考虑以下几点：

dat <- factor(mtcars$cyl)
dat2 <- dat
dat2[1] <- NA

在这里，我采用了一个因子，即mtcars 数据集中的圆柱数，为了进行比较，我创建了第二个因子，其中我用NA 替换了一个值。让我们看看model.matrix 在每种情况下会吐出的行数：

nrow(model.matrix(~dat))
[1] 32
nrow(model.matrix(~dat2))
[1] 31

您会看到，在因子变量有缺失值的情况下，model.matrix 的输出少了一行，这可能并不奇怪。

您可以为缺失值创建一个自己的因子水平，或者您可以安全地从原始数据集中删除具有缺失值的行，如果这对于您的应用程序来说似乎合适的话。 model.matrix 的输出包含行名称，如果您想沿着这条路线走，您可以使用它来将数据 merge 回原始数据帧。