R语言中生成虚拟变量/哑变量

最新推荐文章于 2023-08-21 00:53:10 发布
转载 最新推荐文章于 2023-08-21 00:53:10 发布 · 1.8w 阅读 · 52

本文介绍如何在R语言中处理分类变量(factor)，并将其转换为虚拟变量(dummy variable)以适用于neuralnet等函数。通过使用model.matrix()和nnet包中的class.ind()函数进行转换。

转载自：http://iccm.cc/generate-dummy-variable-in-r-language/

在R语言中对包括分类变量(factor)的数据建模时，一般会将其自动处理为虚拟变量或哑变量(dummy variable)。但有一些特殊的函数，如neuralnet包中的neuralnet函数就不会预处理。如果直接将原始数据扔进去，会出现”requires numeric/complex matrix/vector arguments”需要数值/复数矩阵/矢量参数错误。

这个时候，除了将这些变量删除，我们只能手动将factor variable转换为取值(0,1)的虚拟变量。所用的函数一般有model.matrix(),nnet package中的class.ind()。

下面以UCI的german credit data为例说明。

首先，从UCI网站上下载到german.data数据集，并用str函数对其有个简单的认识。

download.file("http://archive.ics.uci.edu/ml/machine-learning-databases/statlog/german/german.data", 
    "./german.data")
data <- read.table("./german.data")
str(data)

该数据有21个变量，其中V21为目标变量，V1-V20中包括integer和factor两种类型。下面将用V1分类变量（包含4个level）和V2,V5,V8三个数值型变量作为解释变量建模。

## 'data.frame':    1000 obs. of  21 variables:
##  $ V1 : Factor w/ 4 levels "A11","A12","A13",..: 1 2 4 1 1 4 4 2 4 2 ...
##  $ V2 : int  6 48 12 42 24 36 24 36 12 30 ...
##  $ V3 : Factor w/ 5 levels "A30","A31","A32",..: 5 3 5 3 4 3 3 3 3 5 ...
##  $ V4 : Factor w/ 10 levels "A40","A41","A410",..: 5 5 8 4 1 8 4 2 5 1 ...
##  $ V5 : int  1169 5951 2096 7882 4870 9055 2835 6948 3059 5234 ...
##  $ V6 : Factor w/ 5 levels "A61","A62","A63",..: 5 1 1 1 1 5 3 1 4 1 ...
##  $ V7 : Factor w/ 5 levels "A71","A72","A73",..: 5 3 4 4 3 3 5 3 4 1 ...
##  $ V8 : int  4 2 2 2 3 2 3 2 2 4 ...
##  $ V9 : Factor w/ 4 levels "A91","A92","A93",..: 3 2 3 3 3 3 3 3 1 4 ...
##  $ V10: Factor w/ 3 levels "A101","A102",..: 1 1 1 3 1 1 1 1 1 1 ...
##  $ V11: int  4 2 3 4 4 4 4 2 4 2 ...
##  $ V12: Factor w/ 4 levels "A121","A122",..: 1 1 1 2 4 4 2 3 1 3 ...
##  $ V13: int  67 22 49 45 53 35 53 35 61 28 ...
##  $ V14: Factor w/ 3 levels "A141","A142",..: 3 3 3 3 3 3 3 3 3 3 ...
##  $ V15: Factor w/ 3 levels "A151","A152",..: 2 2 2 3 3 3 2 1 2 2 ...
##  $ V16: int  2 1 1 1 2 1 1 1 1 2 ...
##  $ V17: Factor w/ 4 levels "A171","A172",..: 3 3 2 3 3 2 3 4 2 4 ...
##  $ V18: int  1 1 2 2 2 2 1 1 1 1 ...
##  $ V19: Factor w/ 2 levels "A191","A192": 2 1 1 1 1 2 1 2 1 1 ...
##  $ V20: Factor w/ 2 levels "A201","A202": 1 1 1 1 1 1 1 1 1 1 ...
##  $ V21: int  1 2 1 1 2 1 1 1 1 2 ...

首先加载neuralnet包尝试一下，只用数值型变量建模，没有报错。

library("neuralnet")
NNModelAllNum <- neuralnet(V21 ~ V2 + V5 + V8, data)
NNModelAllNum


## Call: neuralnet(formula = V21 ~ V2 + V5 + V8, data = data)
## 
## 1 repetition was calculated.
## 
##         Error Reached Threshold Steps
## 1 104.9993578    0.005128715177    55

当我们把V1放入解释变量中出现了如下错误：

NNModel <- neuralnet(V21 ~ V1 + V2 + V5 + V8, data)


## Error: 需要数值/复数矩阵/矢量参数

此时可以用model.matrix函数将V1转化为三个虚拟变量，V1A12,V1A13,V1A14。

dummyV1 <- model.matrix(~V1, data)
head(cbind(dummyV1, data$V1))


##   (Intercept) V1A12 V1A13 V1A14  
## 1           1     0     0     0 1
## 2           1     1     0     0 2
## 3           1     0     0     1 4
## 4           1     0     0     0 1
## 5           1     0     0     0 1
## 6           1     0     0     1 4

因为model.matrix函数对数值型和分类Level=2的类别型变量没有影响，所以可以将四个变量一起用该函数生成新的数据集modelData，就可以用该数据集建模了。

modelData <- model.matrix(~V1 + V2 + V5 + V8 + V21, data)
head(modelData)


##   (Intercept) V1A12 V1A13 V1A14 V2   V5 V8 V21
## 1           1     0     0     0  6 1169  4   1
## 2           1     1     0     0 48 5951  2   2
## 3           1     0     0     1 12 2096  2   1
## 4           1     0     0     0 42 7882  2   1
## 5           1     0     0     0 24 4870  3   2
## 6           1     0     0     1 36 9055  2   1


NNModel <- neuralnet(V21 ~ V1A12 + V1A13 + V1A14 + V2 + V5 + V8, modelData)

另外一种方法来自nnet package的class.ind函数。

library("nnet")
dummyV12 <- class.ind(data$V1)
head(dummyV12)

可以看到，该结果和model.matrix稍有区别，生成了四个虚拟变量。要注意，为了避免多重共线性，对于level=n的分类变量只需选取其任意n-1个虚拟变量。

##      A11 A12 A13 A14
## [1,]   1   0   0   0
## [2,]   0   1   0   0
## [3,]   0   0   0   1
## [4,]   1   0   0   0
## [5,]   1   0   0   0
## [6,]   0   0   0   1
R语言与虚拟变量模型
小山羊的学习日志
04-16 5488
学习笔记 参考书籍：《计量经济学》-李子奈；《统计学：从数据到结论》-吴喜之； 虚拟变量模型 许多变量是可以定量度量的，如需求量、价格等，但也有一些因素无法定量度量，如职业、性别。为了能够在模型中反映这些因素的影响，并提高模型的精度，需要将它们’量化’，这种’量化’通常是通过引入虚拟变量来完成的。根据这些因素的属性类型，构造取’0’或’1’的人工变量。通常称为虚拟变量，记为D。 例如：反映性别的...
R语言变量类型及创建变量：创建哑变量（Dummy Variables）
statistics+insight+vista+power
07-08 360
R语言变量类型及创建变量：创建哑变量（Dummy Variables）
R语言虚拟化变量的设置
lishangyin88的博客
12-18 6731
1.将factor类型的数据进行哑变量处理。 > custome id gender mood outcom 1 10 male happy 1 2 20 female sad 1 3 30 female happy 0 4 40 male sad 0 5 50 female happy 0需要加载包caret.之后利用du
R语言：利用caret包中的dummyVars函数进行虚拟变量处理
jiabiao1602的专栏
12-29 1万+
R语言：利用caret包中的dummyVars函数进行虚拟变量处理 dummyVars函数:dummyVars creates a full set of dummy variables (i.e. less than full rank parameterization----建立一套完整的虚拟变量
R语言中哑变量的设置
热门推荐
Christina
01-30 3万+
原文来源：https://www.sohu.com/a/199698358_489312 在构建回归模型时，如果自变量X为连续性变量，回归系数β可以解释为：在其他自变量不变的条件下，X每改变一个单位，所引起的因变量Y的平均变化量；如果自变量X为二分类变量，例如是否饮酒（1=是，0=否），则回归系数β可以解释为：其他自变量不变的条件下，X=1（饮酒者）与X=0（不饮酒者）相比，所引起的因变量Y的平...
R语言计量经济学：虚拟变量(哑变量)在线性回归模型中的应用
大数据部落
06-17 5369
原文链接：http://tecdat.cn/?p=22805 为什么需要虚拟变量？ 大多数数据都可以用数字来衡量，如身高和体重。然而，诸如性别、季节、地点等变量则不能用数字来衡量。相反，我们使用虚拟变量来衡量它们。 例子：性别 让我们假设x对y的影响在男性和女性中是不同的。 对于男性y=10+5x+ey=10+5x+e 对于女性y=5+x+ey=5+x+e。 其中e是随机效应，平均值为零。因此，在y和x的真实关系中，性别既影响截距又影响斜率。 首先，让我们生成我们需要的数据。 ...
R 回归 虚拟变量na_【R语言进阶】Logistic回归及哑变量设置
weixin_39657094的博客
11-19 6680
点击上方“蓝字”，我们一起分析数据Logistic回归是最常用的多因素回归模型,在医学研究中,常用于研究疾病的危险因素,下面我们一起来看看,R语言是如何实现Logistic回归的。1第一步 导入数据首先，在excel里全选数据集，右键复制。然后，在Rstudio中，输入：mydata "clipboard")查看数据：2第二步 分类变量和等级变量转成因子型变量mydata$sex$sex...
R语言一般线性模型（涉及因变量是虚拟变量（哑变量））
qq_30899339的博客
12-04 1万+
R语言的一般线性模型 R语言的一般线性模型用函数：lm()，即可轻松实现。 例子 建立一般线性模型 NC.glm1 = lm(fmri.SFG_R_CerebellumGM_L ~ age + gender + race,data = NC) summary(NC.glm1) 这里解释一下变量（我直接copy我项目里面的两行代码），因变量y就是fmri.SFG_R_CerebellumGM_L，...
r语言中，如何将分类变量化为虚拟变量
weixin_35755640的博客
01-03 1958
在 R 中，可以使用 model.matrix 函数将分类变量转换为虚拟变量(也称为 one-hot 编码)。 例如，假设你有一个数据框 df，其中包含一列名为 fruit 的分类变量，其取值为 "apple"、"banana"、"orange"。你可以使用以下代码将这一列转换为虚拟变量： df_dummy <- model.matrix(~ fruit, data = df) 这会在 d...
在R语言中创建哑变量
2301_79326510的博客
08-11 1456
本文介绍了在R语言中创建哑变量的几种常见方法，分别是使用ifelse函数、model.matrix函数和dummyVars函数。在数据分析和统计建模中，哑变量（Dummy Variable）是一种用于表示分类变量的方法。在R语言中，我们可以使用不同的技术来创建哑变量。本文将介绍几种常见的创建哑变量的方法，并给出相应的源代码示例。然后利用ifelse函数，将分类变量为"A"的元素设置为1，其他元素设置为0，得到了哑变量。接下来，我们利用dummyVars函数创建哑变量，传入分类变量的公式。
R 语言 将因子转化为虚拟变量
邓飞----育种数据分析之放飞自我
05-18 3714
1. 背景 在回归分析时，有时候我们需要知道每个因子每个水平的回归系数，这样就需要将因子转化为虚拟变量，R语言中有model.matrix进行转换，但是只能一个转换一个因子，这里我们用R包useful，可以支持多个因子同时转换。 2. 示例数据 Herd <- c(1,1,2,2,2,3,3,3,3) Year = c(rep(c(2018,2019),each=4),2020) Sire <- c("ZA","AD","BB","AD","AD","CC","CC","AD","AD") Yi
R语言中的分类变量和虚拟变量
CyberByte的博客
08-19 1269
R语言中的分类变量和虚拟变量在数据分析和统计建模中，分类变量是一种常见的数据类型。在R语言中，我们可以使用虚拟变量来处理和表示分类变量。本文将介绍R语言中分类变量和虚拟变量的概念，并提供相应的源代码示例。
R设置哑变量
J_sir2015的博客
08-08 3899
对于分类数据，即定性数据在建模的时候常常需要转换为哑变量，R提供了非常好用的函数； dummyvars(); matxir.model();  
R语言中的虚拟变量回归分析
PixelNovaO的博客
08-21 1023
虚拟变量（也称为哑变量或指示变量）是一种用于表示分类变量的二进制变量。它们将原始的分类变量转换为一组虚拟变量，其中每个虚拟变量代表原始变量的一个分类水平。通过引入虚拟变量，我们可以在回归模型中考虑分类变量的影响，而不需要将其作为连续变量处理。通过执行虚拟变量回归分析，我们可以得到各个虚拟变量水平的系数估计，以及它们对房屋价格的影响。例如，如果我们的数据包含了房屋类型和地理位置两个分类变量，我们可以创建多个虚拟变量，并将它们作为自变量添加到回归模型中。总结起来，虚拟变量回归分析是处理分类变量的一种重要方法。
ch04 基本数据管理
qq_38558887的博客
10-14 610
基本数据管理一、一个示例 一、一个示例 manager <- c(1,2,3,4,5) date <- c("10/24/08","10/28/08","10/1/08","10/12/08","5/1/09") gender <- c("M","F","F","M","F") age <- c(32,45,25,39,99) q1 <- c(5,3,3,3,2) q2 <- c(4,5,5,3,2) q3 <- c(5,2,5,4,1) q4 <- c(5,
R-dummy-R生成哑变量的三种方法
Timo_优快云的博客
01-01 7196
1.` library("nnet") dummy_income <- class.ind(hairPre$income) head(dummy_income) #Display the head 6 lines class(hairPre$income) #Do not have to as.factor() the variable` 2. `library(dummies) #to create dummies for specific variable #Do not have to as.
R语言分类变量转换为哑变量（dummy vairable）
jason的专栏
09-21 3万+
生成测试数据 a1 class.ind(a1) b c f [1,] 0 0 1 [2,] 0 0 1 [3,] 1 0 0 [4,] 1 0 0 [5,] 0 1 0 [6,] 0 1 0 class.ind代码 class.ind
如何在stata中生成虚拟变量
最新发布
03-31
<think>好的，我现在要帮用户解决在Stata中生成虚拟变量的问题。首先，我需要回忆Stata中常用的方法，可能包括`tabulate`命令加`gen()`选项，或者`xi`前缀，还有`egen`的`cut()`函数。另外，用户提到他们之前看到引用里提到因子变量，可能`i.`前缀也是一个方法，尤其是在新版本中。 用户可能对基本操作不太熟悉，所以我需要从简单的方法开始。比如，使用`tabulate`自动生成虚拟变量，这是比较传统的方法。要确保举例清楚，比如分类变量是industry，生成多个虚拟变量，每个行业一个。这时候需要提醒用户注意虚拟变量陷阱，可能需要在回归时省略一个基准组。 然后，考虑更现代的方法，比如使用因子变量语法，比如`i.industry`直接在回归模型中，这样Stata会自动处理，可能用户不需要显式生成变量，节省内存和工作量。但用户的问题是生成虚拟变量，所以可能需要两种情况的说明：生成变量本身或在模型中直接使用。 接下来，可能用户需要处理更复杂的情况，比如创建交乘项或者条件虚拟变量。这时候可以用`generate`配合逻辑条件，比如`gen high_income = income > 50000`，这样生成0-1变量。同时，交乘项可以直接用`var1#var2`或者更详细的语法，比如在回归中用`c.var1#i.var2`。 还要注意引用用户提供的参考内容，比如引用[1]提到生成虚拟变量和交乘项的传统方法的问题，所以可以推荐使用因子变量的方法来提高效率，避免生成过多变量。引用[3]可能涉及赋值表达式，但不太直接相关，但引用[4]中的工具变量回归可能涉及变量生成，但这里可能暂时不需要。 可能还需要提醒用户注意事项，比如处理缺失值，设置基准组，避免多重共线性，以及大数据集时的内存问题。特别是使用`tabulate`时生成大量虚拟变量可能导致内存消耗，而因子变量方法更高效。 最后，生成相关问题需要考虑用户可能的后续问题，比如如何批量生成，处理多分类变量，或者如何在回归中正确引入虚拟变量而不出错。因此，相关问题可以包括因子变量的其他用法、交乘项的处理、虚拟变量陷阱等。</think>在 Stata 中创建虚拟变量主要有以下几种方法，具体操作如下： ### 1. **基础方法：`tabulate` 命令生成虚拟变量** 假设分类变量为 `industry`（行业代码），使用 `tabulate` 生成以变量名+分类值为后缀的虚拟变量： ```stata tabulate industry, generate(dum_industry) ``` 这会自动生成 `dum_industry1`, `dum_industry2` 等虚拟变量，每个对应一个行业类别。需注意 **避免完全多重共线性**，实际使用时需手动省略一个基准组[^1]。 ### 2. **因子变量语法：直接建模（无需显式生成）** Stata 支持 `i.` 前缀直接在模型中使用分类变量，自动处理虚拟变量： ```stata reg y x i.industry ``` 此方法无需提前生成虚拟变量，节省内存且避免手动操作错误。 ### 3. **条件语句生成虚拟变量** 若需根据连续变量阈值创建虚拟变量（如收入高于5万元赋值为1）： ```stata generate high_income = income > 50000 if !missing(income) ``` ### 4. **交乘项与多项式项** 使用 `#` 符号生成交乘项或平方项（例如教育年限与性别的交互效应）： ```stata reg y c.education#i.gender ``` ### 5. **`egen` 函数进阶操作** 对分组变量进行复杂操作（如按分位数分组生成虚拟变量）： ```stata egen income_group = cut(income), group(4) tabulate income_group, generate(dum_income) ``` ### 注意事项 - **缺失值处理**：需用 `if !missing(var)` 排除缺失值干扰 - **基准组设置**：默认以第一个类别为基准，可用 `ibn.` 或 `b(n).` 调整基准组 - **内存管理**：分类过多时建议使用因子变量语法而非显式生成[^1]
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值