将 28 级分类变量转换为矩阵答案

【问题标题】：Convert a 28 level categorical variable to matrix将 28 级分类变量转换为矩阵
【发布时间】：2017-12-28 11:31:15
【问题描述】：

我有一个包含一列company的数据集，我将为这个数据集做回归建模。

我应该使用 model.matrix 转换它还是只在一列中分配 1-28 的值。

lm函数可以处理的情况下，将其转换为28列有什么相关性？

【问题讨论】：

lm 将在后台执行该精确转换。在回归之前进行转换的一个潜在优势是，如果您对相同的数据运行多次回归。执行一次转换可以加快该过程。通常情况下，最好依赖lm。

【解决方案1】：

我应该使用 model.matrix 转换它还是只在一列中分配 1-28 的值？

你不应该这样做：

如果您在一列中分配 1 到 28 的值，就好像说公司 28 的权重是公司 1 的 28 倍，而所有公司在您的分析中都需要具有相同的权重（假设这些是没有顺序关系的公司名称）。
使用 model.matrix 会将您的公司列转换为虚拟变量（0 - 1 个标志），但您不需要这样做，因为 lm 会自动为您完成。

lm函数可以处理的情况下，转成28列有什么关系？

正如我之前提到的，lm 会为您执行此操作，因此您无需自己执行此操作。但是，我需要指出的是，您最终将得到 27 列（加上截距），因为其中一列（参考列）将被故意遗漏。原因是通过了解其他 27 家公司，您也隐含地知道第 28 家（即参考列与其他 27 家的组合 100% 相关，因此需要省略）。

【讨论】：

有道理，@Imo 在评论中指出了一件有用的事情。如果我之前转换它的性能。
我没有测试有无虚拟变量的实际性能，但是看到lm的源代码（有一个if-else语句使用model.matrix，它实际上是一行) 我认为这不会带来很大的推动作用。如果您想进行预测，您自己使用 model.matrix 会给您带来额外的开销，因为您还需要在新数据上使用 model.matrix。