Xgboost - 如果整数只有 0 和 1，我们是否必须将它们转换为因子答案

【问题标题】：Xgboost - Do we have to convert integers to factors if they are only 0 & 1Xgboost - 如果整数只有 0 和 1，我们是否必须将它们转换为因子
【发布时间】：2017-02-19 10:30:14
【问题描述】：

我在一个数据框中有很多列是标志“0”和“1”。当我导入数据框时，它们属于“整数”类。

0 表示不存在，1 表示存在于所有列中。

我需要将它们转换为因子吗？[因子将成为 1 和 2 级，而目前它们几乎是相似的 0 和 1，尽管是整数]

我计划稍后使用 xgboost 来构建预测模型。 Xgboost 仅适用于数字列，因此如果我将列转换为因子，那么我需要对它们进行一次热编码以将它们转换为数字。

（附带问题：如果我们进行一次热编码以消除共线性，我们是否总是需要删除一列？）

【问题讨论】：

不是问这个问题的正确论坛。你可以试试Cross Validated。
感谢您告诉我。
我不同意@KarthikArumugham 这是一个属于 SO 范围的编程问题。
@abhiieor 我认为这属于推荐类别。
我理解 OP 只是询问我们是否应该在他的 R 程序中使用 as.integer() 或 as.factor() 以使 XGBoost 正常工作。根据我的理解，这比任何建议都更适合编程。

标签： r xgboost one-hot-encoding

【解决方案1】：

简短回答：视情况而定。是的，只是为了更好的变量解释。不，0/1 变量整数和因子都是一样的。

如果您问我的个人意见，那么我更倾向于是；因为您更有可能拥有一些分类变量，这些变量要么具有字符串值，要么具有超过 2 个级别或 2 个除 0 和 1 之外的整数级别。在所有上述情况下，0/1 变量整数和因子都不相同。只有 0/1 二进制级别的特定情况；整数变量和因子相同。因此，您可能希望在编码中保持一致性，甚至希望在 0/1 情况下也采用这种方式。

看到自己：

a <- c(1,2,1,2,1,2,5)
c<-as.character(a)
b<-as.factor(c)
d<-as.integer(b)

这里我只是在玩a 向量，它最终给了我：

> d
[1] 1 2 1 2 1 2 3

因此，如果您不想调试为什么将来值会发生变化，请从一开始就使用as.factor()。

侧面回答：是的。搜索 model.matrix() 和 contrasts.arg 以在 R 中完成此操作。

【讨论】：

【解决方案2】：

错误指出xgb.DMatrix 采用数值，其中数据是整数。

将数据转换为数字使用

train[] <- lapply(train, as.numeric)

然后使用

xgb.DMatrix(data=data.matrix(train))

【讨论】：