如何从非数字变量创建多项式特征？

Question

我想创建一个多项式特征 (GarageGrade)，它通过乘法将车库质量 (GarageQual) 与车库条件 (GarageCond) 结合起来。 GarageQual 和 GarageCond 的值以字符形式给出：Po（差）、Fa（一般）、TA（典型）、Gd（良好）、Ex（优秀）。

str(combi$GarageQual)

返回：chr [1:2919] “TA” “TA” “TA” “TA” “TA” “TA” “TA” “TA” “Fa” “Gd” “TA” ...

str(combi$GarageCond)

返回：chr [1:2919]“TA”“TA”“TA”“TA”“TA”“TA”“TA”“TA”“TA”“TA”“TA”...

首先，我考虑了它们：

combi$GarageQual <- factor(combi$GarageQual)
str(combi$GarageQual)

返回：因子 w/ 5 个级别 "Ex","Fa","Gd",..: 5 5 5 5 5 5 5 5 2 3 ..

combi$GarageCond <- factor(combi$GarageCond)
str(combi$GarageCond)

返回：> 因子 w/ 5 个级别 "Ex","Fa","Gd",..: 5 5 5 5 5 5 5 5 5 ...

现在我想替换因子级别名称的向量

c("NA", "Po", "Fa", "TA", "Gd", "Ex")

带有数字向量

c(0, 1, 2, 3, 4, 5)

所以这些变量可以相乘以创建一个组合特征，如下所示：

combi$GarageGrade <- combi$GarageQual * combi$GarageCond

实现将 GarageQual 与 GarageCond 相结合的综合 GarageGradevariable 的最终目标的最佳方法是什么？我是否应该从一开始就考虑级别，还是应该直接用数字替换字符？如果是这样，我该怎么做？

Answer 1

直接的方法是按正确顺序创建五个评级的向量，然后使用match 将评级转换为数字。

set.seed(22)
grades <- c( "Po", "Fa", "TA", "Gd", "Ex")
GarageQual <- sample(grades, 20, replace = TRUE)
GarageCond <- sample(grades, 20, replace = TRUE)

match(GarageQual, grades) * match(GarageCond, grades)

[1]  4  6 15 12 20 20 12 20  6  4  5  8 15  5 15  1 15  1  4  6

如果指定了因子水平以使其顺序正确，则类似于您上面概述的方法（转换为因子然后转换为数字）将起作用。

as.numeric(factor(GarageQual, levels = grades)) * as.numeric(factor(GarageCond, levels = grades))

[1]  4  6 15 12 20 20 12 20  6  4  5  8 15  5 15  1 15  1  4  6