6、数据处理与探索性分析实用指南

数据处理与探索性分析实用指南

1. 变量标准化

在使用基于距离的技术时，可能需要对多个变量进行重新缩放。逐个标准化变量可能会很繁琐，我们可以使用以下函数同时标准化多个变量：

scale.many <- function(dat, column.nos) {
  nms <- names(dat)
  for(col in column.nos) {
    name <- paste(nms[col],".z", sep = "")
    dat[name] <- scale(dat[,col])
  }
  cat(paste("Scaled ", length(column.nos), " variable(s)\n"))
  dat
}

使用示例：

housing <- read.csv("BostonHousing.csv")
housing <- scale.many(housing, c(1,3,5:7))

运行上述代码后，会为变量 1、3、5、6 和 7 添加 z 值，并在原列名后加上 .z 。查看列名：

names(housing)

2. 数值数据分箱

有时候，我们需要将数值数据转换为分类数据或因子。例如，朴素贝叶斯分类要求所有变量（自变量和因变量）都是分类变量。以下是具体操作步骤： </