r - 当其中一些特征是因子时，如何预处理特征？

Question

我的问题与this one有关使用 Caret 包时关于分类数据(R 术语中的因子)。我从链接的帖子中了解到，如果您使用“公式界面”，某些功能可能会成为因素，并且培训会正常进行。我的问题是如何使用 preProcess() 函数缩放数据？如果我尝试在包含某些列作为因子的数据框中执行此操作，则会收到此错误消息:

Error in preProcess.default(etitanic, method = c("center", "scale")) : 
  all columns of x must be numeric

请参阅此处的一些示例代码:

library(earth)
data(etitanic)

a <- preProcess(etitanic, method=c("center", "scale"))
b <- predict(etitanic, a)

谢谢。

Answer 1

这与您链接到的帖子确实是同一个问题。 preProcess 仅适用于数字数据，您可以:

> str(etitanic)
'data.frame':   1046 obs. of  6 variables:
 $ pclass  : Factor w/ 3 levels "1st","2nd","3rd": 1 1 1 1 1 1 1 1 1 1 ...
 $ survived: int  1 1 0 0 0 1 1 0 1 0 ...
 $ sex     : Factor w/ 2 levels "female","male": 1 2 1 2 1 2 1 2 1 2 ...
 $ age     : num  29 0.917 2 30 25 ...
 $ sibsp   : int  0 1 1 1 1 0 1 0 2 0 ...
 $ parch   : int  0 2 2 2 2 0 0 0 0 0 ...

您无法按原样居中和缩放 pclass 或 sex，因此需要将它们转换为虚拟变量。您可以使用 model.matrix 或插入符号的 dummyVars 来执行此操作:

 > new <- model.matrix(survived ~ . - 1, data = etitanic)
 > colnames(new)
 [1] "pclass1st" "pclass2nd" "pclass3rd" "sexmale"   "age"      
 [6] "sibsp"     "parch"  

-1 消除了拦截。现在您可以在此对象上运行 preProcess。

顺便说一句，使 preProcess 忽略非数字数据在我的“待办事项”列表中，但对于不注意的人来说可能会导致错误。

最大