R의 모형 행렬에있는 요인의 모든 수준

R의 모형 행렬에있는 요인의 모든 수준

---

나는이 data.frame아래와 같이 숫자와 요인 변수로 구성.

testFrame <- data.frame(First=sample(1:10, 20, replace=T),
           Second=sample(1:20, 20, replace=T), Third=sample(1:10, 20, replace=T),
           Fourth=rep(c("Alice","Bob","Charlie","David"), 5),
           Fifth=rep(c("Edward","Frank","Georgia","Hank","Isaac"),4))

matrix요인에 더미 변수를 할당하고 숫자 변수는 그대로 두는를 구축하고 싶습니다 .

model.matrix(~ First + Second + Third + Fourth + Fifth, data=testFrame)

예상대로 실행할 때 lm각 요인의 한 수준을 기준 수준으로 남겨 둡니다. 그러나 matrix모든 요인의 모든 수준에 대해 더미 / 지표 변수를 사용하여 를 구축하고 싶습니다 . 이 행렬을 구축하고 glmnet있으므로 다중 공선성에 대해 걱정하지 않습니다.

model.matrix요인의 모든 수준에 대해 더미를 만드는 방법이 있습니까?

---

contrasts요인 변수에 대해 재설정해야 합니다.

model.matrix(~ Fourth + Fifth, data=testFrame, 
        contrasts.arg=list(Fourth=contrasts(testFrame$Fourth, contrasts=F), 
                Fifth=contrasts(testFrame$Fifth, contrasts=F)))

또는 타이핑이 적고 적절한 이름이없는 경우 :

model.matrix(~ Fourth + Fifth, data=testFrame, 
    contrasts.arg=list(Fourth=diag(nlevels(testFrame$Fourth)), 
            Fifth=diag(nlevels(testFrame$Fifth))))

---

(자신을 구하려고 시도 중입니다 ...) @Fabians에 대한 Jared의 의견에 대한 응답으로, 자동화에 대한 답변으로, 여러분이 제공해야 할 것은 명암 행렬의 명명 된 목록입니다. contrasts()벡터 / 인자를 취하고 그것으로부터 대비 행렬을 생성합니다. 이를 위해 데이터 세트의 각 요소에 대해 lapply()실행 하는 데 사용할 수 있습니다 ( 예 : 제공된 예제).contrasts()testFrame

> lapply(testFrame[,4:5], contrasts, contrasts = FALSE)
$Fourth
        Alice Bob Charlie David
Alice       1   0       0     0
Bob         0   1       0     0
Charlie     0   0       1     0
David       0   0       0     1

$Fifth
        Edward Frank Georgia Hank Isaac
Edward       1     0       0    0     0
Frank        0     1       0    0     0
Georgia      0     0       1    0     0
Hank         0     0       0    1     0
Isaac        0     0       0    0     1

@fabians에 잘 맞는 슬롯은 다음과 같습니다.

model.matrix(~ ., data=testFrame, 
             contrasts.arg = lapply(testFrame[,4:5], contrasts, contrasts=FALSE))

---

caretdummyVars두 줄로이를 달성하기 위해 멋진 기능 을 구현했습니다 .

library(caret) dmy <- dummyVars(" ~ .", data = testFrame) testFrame2 <- data.frame(predict(dmy, newdata = testFrame))

마지막 열 확인 :

colnames(testFrame2)

"First"  "Second"         "Third"          "Fourth.Alice"   "Fourth.Bob"     "Fourth.Charlie" "Fourth.David"   "Fifth.Edward"   "Fifth.Frank"   "Fifth.Georgia"  "Fifth.Hank"     "Fifth.Isaac"   

여기서 가장 좋은 점은 원본 데이터 프레임과 변환에 사용 된 원본을 제외한 더미 변수를 얻는 것입니다.

더 많은 정보 : http://amunategui.github.io/dummyVar-Walkthrough/

---

dummyVarsfrom caret도 사용할 수 있습니다. http://caret.r-forge.r-project.org/preprocess.html

---

확인. 위의 내용을 읽고 모두 합치면됩니다. 선형 예측자를 얻기 위해 계수 벡터를 곱하는 'X.factors'행렬과 같은 행렬을 원한다고 가정합니다. 여전히 몇 가지 추가 단계가 있습니다.

X.factors = 
  model.matrix( ~ ., data=X, contrasts.arg = 
    lapply(data.frame(X[,sapply(data.frame(X), is.factor)]),
                                             contrasts, contrasts = FALSE))

(요인 열이 하나만있는 경우 X [*]를 데이터 프레임으로 다시 변환해야합니다.)

그런 다음 다음과 같은 결과를 얻습니다.

attr(X.factors,"assign")
[1]  0  1  **2**  2  **3**  3  3  **4**  4  4  5  6  7  8  9 10 #emphasis added

각 요인의 ** d 참조 수준을 제거하려고합니다.

att = attr(X.factors,"assign")
factor.columns = unique(att[duplicated(att)])
unwanted.columns = match(factor.columns,att)
X.factors = X.factors[,-unwanted.columns]
X.factors = (data.matrix(X.factors))

---

R 패키지 'CatEncoders'사용

library(CatEncoders)
testFrame <- data.frame(First=sample(1:10, 20, replace=T),
           Second=sample(1:20, 20, replace=T), Third=sample(1:10, 20, replace=T),
           Fourth=rep(c("Alice","Bob","Charlie","David"), 5),
           Fifth=rep(c("Edward","Frank","Georgia","Hank","Isaac"),4))

fit <- OneHotEncoder.fit(testFrame)

z <- transform(fit,testFrame,sparse=TRUE) # give the sparse output
z <- transform(fit,testFrame,sparse=FALSE) # give the dense output

---

나는 현재 Lasso 모델 및 glmnet::cv.glmnet(), model.matrix()및 Matrix::sparse.model.matrix()(고차원 행렬의 model.matrix경우 작성자가 제안한대로 will을 사용하여 시간을 죽입니다 glmnet.)를 배우고 있습니다.

Just sharing there has a tidy coding to get the same answer as @fabians and @Gavin's answer. Meanwhile, @asdf123 introduced another package library('CatEncoders') as well.

> require('useful')
> # always use all levels
> build.x(First ~ Second + Fourth + Fifth, data = testFrame, contrasts = FALSE)
> 
> # just use all levels for Fourth
> build.x(First ~ Second + Fourth + Fifth, data = testFrame, contrasts = c(Fourth = FALSE, Fifth = TRUE))

Source : R for Everyone: Advanced Analytics and Graphics (page273)

---

A tidyverse answer:

library(dplyr)
library(tidyr)
result <- testFrame %>% 
    mutate(one = 1) %>% spread(Fourth, one, fill = 0, sep = "") %>% 
    mutate(one = 1) %>% spread(Fifth, one, fill = 0, sep = "")

yields the desired result (same as @Gavin Simpson's answer):

> head(result, 6)
  First Second Third FourthAlice FourthBob FourthCharlie FourthDavid FifthEdward FifthFrank FifthGeorgia FifthHank FifthIsaac
1     1      5     4           0         0             1           0           0          1            0         0          0
2     1     14    10           0         0             0           1           0          0            1         0          0
3     2      2     9           0         1             0           0           1          0            0         0          0
4     2      5     4           0         0             0           1           0          1            0         0          0
5     2     13     5           0         0             1           0           1          0            0         0          0
6     2     15     7           1         0             0           0           1          0            0         0          0

---

model.matrix(~ First + Second + Third + Fourth + Fifth - 1, data=testFrame)

or

model.matrix(~ First + Second + Third + Fourth + Fifth + 0, data=testFrame)

should be the most straightforward

---

A stats package answer:

new_tr <- model.matrix(~.+0,data = testFrame)

Adding +0 (or -1) to a model formula (e.g., in lm()) in R suppresses the intercept.

Please see

참고URL : https://stackoverflow.com/questions/4560459/all-levels-of-a-factor-in-a-model-matrix-in-r