减少因子变量的水平答案

【问题标题】：Reduce levels from factor variable减少因子变量的水平
【发布时间】：2017-05-23 13:29:27
【问题描述】：

我必须在大型火车集中做一个随机森林，但我不能使用超过 53 个级别的变量。

我需要减少的因子变量 (train$tip) 有 150 个级别（KHC、KTF、KGL、...）。我怎样才能（快速）删除（或只保留 53 个级别）出现次数很少的级别并保留更多的级别？

我是否要写下我看到的所有级别的名称，或者有更快的方法吗？

train <- train[!train$tip == "KTF", ]

【问题讨论】：

您可以使用tbl <- table(train$tip)并根据频率进行选择，即subset(train levels(tip) %in% names(tbl[tbl > 50]))

【解决方案1】：

你可以这样做：

train <- train[train$tip %in% names(sort(table(train$tip), decreasing = TRUE))[1:53], ]

table() 计算级别的频率； sort() 按降序排列它们； names() 获取级别而不是频率；而[ 只选择前 53 个。

【讨论】：