使用 R - 因子的预测线性模型答案

【问题标题】：Predictive linear models using R - Factors使用 R - 因子的预测线性模型
【发布时间】：2016-08-24 00:13:03
【问题描述】：

在使用 R 实现线性回归时，我遇到了一些问题。首先，我想知道如何明确要求 R 将参数视为因素（例如，如果我有一个变量性别，1 代表男性，0对于女性），假设它不会自动将它们识别为因素。

相反，假设 R 将某些参数视为因素而实际上并非如此，我如何告诉 R 那些参数不应该被视为因素？

【问题讨论】：

问题一：用factor函数把它们变成因子。问题二：修复数据导入。如果这些值应该是数字，但却是因子，那么数据导入就是问题的根源。
对于被读取为因子的数字，通常最好弄清楚为什么会发生这种情况并在读取数据集期间对其进行修复。否则请注意不要直接在因子上使用as.numeric，因为这很可能会失败。见this answer

【解决方案1】：

lm 函数应该自动使用因子，如果它们在您的数据中表示为这样。如果不将数据转换为因子。

#First check your data structure:
mtcars <- mtcars
str(mtcars)

# convert to factor
mtcars$cyl <- factor(mtcars$cyl)
# convert back to numeric
mtcars$cyl <- as.numeric(as.character(mtcars$cyl))

作为旁注，当您使用 read.table() 导入以证明我总是使用 stringsAsFactors = FALSE 时，R 会自动将字符串转换为因子

【讨论】：