使用分类变量构建回归模型答案

【问题标题】：Build Regression Model with Categorical Variable使用分类变量构建回归模型
【发布时间】：2015-12-22 07:11:09
【问题描述】：

您好，我是 R 新手，我希望有人能给我一些关于构建回归模型的提示。我有一些类似于下面的示例数据的示例数据，其中包含路径变量等分类变量。我想将这些分类变量转换为如下所示的“转换数据”之类的二进制变量，因此我可以使用它们创建一个回归模型，以根据每个路径上的音量预测 WaitTime。在 python 中有一个叫做 getdummies 的函数可以很好地做到这一点。如果有人可以给我关于 r 中类似函数的提示，或者提供一种使用分类变量构建回归模型的方法。我将不胜感激。我的最终目标是建立回归模型，然后找到每条路径的音量值，这将使 WaitTIme 最小化。任何关于这方面的提示都将不胜感激。
样本数据： Path WaitTime Volume AD_IB 195 3 GMC_DT 154 4 CD_ADT 192 2 Ord_IB 326 1

转换后的数据：
AD_IB GMC_DT CD_ADT Ord_IB WaitTime Volume 1 0 0 0 195 3 0 1 0 0 154 4 0 0 1 0 192 2 0 0 0 1 326 1

【问题讨论】：

Path 中有多少个类别？您可以使用 table(data$Path) 或 unique(data$Path) 检查它是否是 data.frame。我问，因为从你的例子来看，没有重复的值。如果您只想创建虚拟变量，那么您可以直接使用它或创建一个因子，然后使用 lm() 运行模型。
您是否尝试过将分类变量添加到模型中会发生什么？
您不需要这样做。回归函数会自动为您创建虚拟向量。如果您确实需要了解回归函数在“幕后”使用了什么，请查看?model.matrix。
除了人们所说的，如果你还想这样做：setDT(data)[,AD_IB:= ifelse(Path=="AD_IB", 1, 0)]

标签： r regression

【解决方案1】：

R 会自动为您执行此操作：

set.seed(1)
d <- data.frame(cat = factor(LETTERS[sample(3, 100, TRUE)]), y = rnorm(100))
lm(y ~ cat, d)

#     # Call:
# lm(formula = y ~ cat, data = d)
# 
# Coefficients:
# (Intercept)         catB         catC  
#     -0.2385       0.3518       0.2493

【讨论】：