我有一个包含 1000 行和 21 个变量的 CSV 数据集。在这 21 个中，有 9 个是具有超过 2 个值的分类变量。如何在 R 中创建相同的虚拟变量？我希望对这个数据集进行逻辑回归来解释它。我尝试使用因子和水平来转换它们，但我认为它只对 2 个变量最有效。我用谷歌搜索了很多，发现许多网站在理论上解释了如何做到这一点，但没有提到代码或函数来完全理解它。在这个网站上，我遇到了 model.matrix() 函数、R 的 dummies 包和 dummy.code() 函数。但是我仍然被卡住了，因为我是新介绍给 R 的。很抱歉这个问题很长，这是我第一次在这里问。提前致谢！
【问题讨论】：
glm 过程将能够计算出比较结果，以包含在逻辑回归模型中。
标签： r
在 R 中，大多数函数会在您发送分类值（性别、位置等）时识别并自动创建虚拟变量！例如，如果你正在做一个线性回归，你可以只做 lm(CSV_DATA)。如果分类值由实际数字表示，建议先将它们转换为字符串，以便 R 进行相应调整！
如果您必须手动执行此过程，您可以创建一个循环来遍历您的数据集并填充其他变量。对于每个分类值，您将需要 n-1 个附加变量来将其表示为连续数据，n 是变量包含的可能类别的数量。使用您的 n-1 个新变量，您可以将每个变量分配给原始类别变量中的一个可能类别。在所有 n-1 个新变量中，最后一个类别将由 0 表示。例如，如果您尝试表示位置并且您的数据可以是“纽约”、“洛杉矶”或“迈阿密”，您将创建两个 (n-1) 虚拟变量，为了便于解释，我们将给出它们名称 city1 和 city2。如果原始变量等于“New York”，您将设置 city1 = 1 和 city2 = 0，如果它是“LA”，您将设置 city1 = 0 和 city2=1，如果您的原始值是“Miami”，您将设置城市 1=0 和城市 2=0。
之所以有效，是因为它不会将任何一个类别的数字排名高于其他类别，而是使用最后一个类别作为比较所有其他类别的“参考”！如前所述，如果您将变量表示为字符串，R 会自动为您执行此操作。
【讨论】：