时间戳

首页 > 解决方案 > 我们可以使用 as.factor 将具有多个级别的分类变量转换为决策树还是我们需要使用 model.matrix？

r - 我们可以使用 as.factor 将具有多个级别的分类变量转换为决策树还是我们需要使用 model.matrix？

问题描述

我正在尝试在 R 中构建一个具有分类变量和数值变量的判定树模型。一些分类变量有 3 个级别，所以我可以只使用 as.factor 然后在我的模型中使用吗？我尝试使用 model.matrix 但我怀疑 model.matrix 将变量转换为 0 和 1 的数值，并根据这些数值进行拆分。例如，如果 Color 有 3 个级别——蓝色、红色、绿色，则拆分规则看起来像 color_green < 0.5 而它应该总是只取 0 和 1。

标签： rcartcategorical-datarpart

解决方案

如果您问是否可以使用因子来构建rpart决策树。好的。请参阅文档中的以下示例。请注意，决策树有很多可能的包。

library(rpart)
rpart(Reliability ~ ., data=car90)
#> n=76 (35 observations deleted due to missingness)
#> 
#> node), split, n, loss, yval, (yprob)
#>       * denotes terminal node
#> 
#>  1) root 76 53 average (0.2 0.12 0.3 0.11 0.28)  
#>    2) Country=Germany,Korea,Mexico,Sweden,USA 49 29 average (0.31 0.18 0.41 0.1 0)  
#>      4) Tires=145,155/80,165/80,185/80,195/60,195/65,195/70,205/60,215/65,225/75,275/40 17  9 Much worse (0.47 0.29 0 0.24 0) *
#>      5) Tires=175/70,185/65,185/70,185/75,195/75,205/70,205/75,215/70 32 12 average (0.22 0.12 0.62 0.031 0)  
#>       10) HP.revs< 4650 13  7 Much worse (0.46 0.23 0.31 0 0) *
#>       11) HP.revs>=4650 19  3 average (0.053 0.053 0.84 0.053 0) *
#>    3) Country=Japan,Japan/USA 27  6 Much better (0 0 0.11 0.11 0.78) *
str(car90)
#> 'data.frame':    111 obs. of  34 variables:
#>  $ Country     : Factor w/ 10 levels "Brazil","England",..: 5 5 4 4 4 4 10 10 10 NA ...
#>  $ Disp        : num  112 163 141 121 152 209 151 231 231 189 ...
#>  $ Disp2       : num  1.8 2.7 2.3 2 2.5 3.5 2.5 3.8 3.8 3.1 ...
#>  $ Eng.Rev     : num  2935 2505 2775 2835 2625 ...
#>  $ Front.Hd    : num  3.5 2 2.5 4 2 3 4 6 5 5.5 ...
#>  $ Frt.Leg.Room: num  41.5 41.5 41.5 42 42 42 42 42 41 41 ...
#>  $ Frt.Shld    : num  53 55.5 56.5 52.5 52 54.5 56.5 58.5 59 58 ...
#>  $ Gear.Ratio  : num  3.26 2.95 3.27 3.25 3.02 2.8 NA NA NA NA ...
#>  $ Gear2       : num  3.21 3.02 3.25 3.25 2.99 2.85 2.84 1.99 1.99 2.33 ...
#>  $ HP          : num  130 160 130 108 168 208 110 165 165 101 ...
#>  $ HP.revs     : num  6000 5900 5500 5300 5800 5700 5200 4800 4800 4400 ...
#>  $ Height      : num  47.5 50 51.5 50.5 49.5 51 49.5 50.5 51 50.5 ...
#>  $ Length      : num  177 191 193 176 175 186 189 197 197 192 ...
#>  $ Luggage     : num  16 14 17 10 12 12 16 16 16 15 ...
#>  $ Mileage     : num  NA 20 NA 27 NA NA 21 NA 23 NA ...
#>  $ Model2      : Factor w/ 21 levels "","      Turbo 4 (3)",..: 1 1 1 1 1 1 1 14 13 1 ...
#>  $ Price       : num  11950 24760 26900 18900 24650 ...
#>  $ Rear.Hd     : num  1.5 2 3 1 1 2.5 2.5 4.5 3.5 3.5 ...
#>  $ Rear.Seating: num  26.5 28.5 31 28 25.5 27 28 30.5 28.5 27.5 ...
#>  $ RearShld    : num  52 55.5 55 52 51.5 55.5 56 58.5 58.5 56.5 ...
#>  $ Reliability : Ord.factor w/ 5 levels "Much worse"<"worse"<..: 5 5 NA NA 4 NA 3 3 3 NA ...
#>  $ Rim         : Factor w/ 6 levels "R12","R13","R14",..: 3 4 4 3 3 4 3 3 3 3 ...
#>  $ Sratio.m    : num  NA NA NA NA NA NA NA NA NA NA ...
#>  $ Sratio.p    : num  0.86 0.96 0.97 0.71 0.88 0.78 0.76 0.83 0.87 0.88 ...
#>  $ Steering    : Factor w/ 3 levels "manual","power",..: 2 2 2 2 2 2 2 2 2 2 ...
#>  $ Tank        : num  13.2 18 21.1 15.9 16.4 21.1 15.7 18 18 16.5 ...
#>  $ Tires       : Factor w/ 30 levels "145","145/80",..: 16 20 20 8 17 28 13 23 23 22 ...
#>  $ Trans1      : Factor w/ 4 levels "","man.4","man.5",..: 3 3 3 3 3 3 1 1 1 1 ...
#>  $ Trans2      : Factor w/ 4 levels "","auto.3","auto.4",..: 3 3 2 2 3 3 2 3 3 3 ...
#>  $ Turning     : num  37 42 39 35 35 39 41 43 42 41 ...
#>  $ Type        : Factor w/ 6 levels "Compact","Large",..: 4 3 3 1 1 3 3 2 2 NA ...
#>  $ Weight      : num  2700 3265 2935 2670 2895 ...
#>  $ Wheel.base  : num  102 109 106 100 101 109 105 111 111 108 ...
#>  $ Width       : num  67 69 71 67 65 69 69 72 72 71 ...

推荐阅读