当一些特征是因子时，如何进行预处理？

Question

当一些特征是因子时，如何进行预处理？

14

我关于这个问题与使用Caret软件包时涉及到分类数据（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”，一些特征可以是因子，并且培训将正常进行。我的问题是如何使用preProcess()函数对数据进行缩放？如果我尝试对某些列作为因子的数据框进行此操作，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

看这里一些示例代码：

library(earth)
data(etitanic)

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

谢谢。

- mchangun

可能是 https://dev59.com/wJffa4cB1Zd3GeqP3SGp 的重复问题 - Holger Brandl

2个回答

8

这里有一种快速的方法可以排除因素或其他你不想考虑的内容：

set.seed(1)
N <- 20
dat <- data.frame( 
    x = factor(sample(LETTERS[1:5],N,replace=TRUE)),
    y = rnorm(N,5,12),
    z = rnorm(N,-5,17) + runif(N,2,12)
)

#' Function which wraps preProcess to exclude factors from the model.matrix
ppWrapper <- function( x, excludeClasses=c("factor"), ... ) {
    whichToExclude <- sapply( x, function(y) any(sapply(excludeClasses, function(excludeClass) is(y,excludeClass) )) )
    processedMat <- predict( preProcess( x[!whichToExclude], ...), newdata=x[!whichToExclude] )
    x[!whichToExclude] <- processedMat
    x
}

> ppWrapper(dat)
   x          y           z
1  C  1.6173595 -0.44054795
2  A -0.2933705 -1.98856921
3  C  1.2177384  0.65420288
4  D -0.8710374  0.62409408
5  D -0.4504202 -0.34048640
6  D -0.6943283  0.24236671
7  E  0.7778192  0.91606677
8  D  0.2184563 -0.44935163
9  C -0.3611408  0.26075970
10 B -0.7066441 -0.23046073
11 D -1.5154339 -0.75549761
12 D  0.4504825  0.38552988
13 B  1.5692675  0.04093040
14 C  0.4127541  0.13161807
15 D  0.5426321  1.09527418
16 B -2.1040322 -0.04544407
17 C  0.6928574  1.12090541
18 B  0.3580960  1.91446230
19 E  0.3619967 -0.89018040
20 A -1.2230522 -2.24567237

您可以将任何内容传递到ppWrapper中，并将其传递给preProcess。

- Ari B. Friedman

好答案！我认为你应该使用给出的示例（而不是可能会令人困惑的人工示例）。基本上，library(earth); data(etitanic); ppWrapper(etitanic)。 - toto_tico

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- topepo · Accepted Answer

这实际上是与您链接到的帖子完全相同的问题。 preProcess 仅适用于数字数据，而您有：

> 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 ...

你不能直接对于pclass或者sex进行居中和缩放，因此它们需要被转换为哑变量。你可以使用model.matrix或caret的dummyVars进行转换:

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

-1消除截距。现在，您可以在此对象上运行preProcess。

顺便说一下，让preProcess忽略非数字数据是我的“待办事项”清单上，但这可能会导致不注意的人出错。

Max