r - 如何在 R 中使用大数据对多个变量进行热编码？

Question

我目前有一个包含 260,000 行和 50 列的数据框，其中 3 列是数字，其余是分类。我想要对分类列进行一次热编码，以便执行 PCA 并使用回归来预测类别。我怎样才能在 R 中完成下面的例子？

Example:
V1 V2 V3 V4 V5 .... VN-1 VN

to

V1_a V1_b V2_a V2_b V2_c V3_a V3_b and so on

Answer 1

您可以使用model.matrix或sparse.model.matrix。像这样的事情:

sparse.model.matrix(~.-1, data = your_data)

~. 告诉 R 您的整个表格(.)是某个假设模型的右侧，而 -1 > 表示忽略拦截。如果没有 -1，您的第一列将是 1 的向量。