将连续变量转换为二进制变量

Question

我正在尝试使用 cut 函数将连续变量转换为 R 中分类变量的二进制列。密码是

    xyz=rnorm(20,3,1)
    xcut=cut(xyz,breaks=c(2,3))

这会将 xyz 转换为分类变量，但我想要三个二进制列，其中列名称为“<2”、“2-3”和“>3”，如果 xyz[1] 是 1.5，那么第一行的值是 1、0 和 0，我需要这个用于 xyz 的所有 20 个值。我不想使用 for 和 if 循环来创建这个 20x3 矩阵，我已经可以用 xyz 以数字方式完成它。我想知道是否有更短的方法来做到这一点？

Answer 1

我们可以使用table

xcut <- cut(xyz,breaks=c(-Inf,2,3, Inf), labels = c("<2", "2-3", ">3"))
table(seq_along(xcut), xcut)

数据

set.seed(24)
xyz <- rnorm(20,3,1)

Answer 2

解决方案之一是使用无监督离散化。它完全基于观察到的连续属性分布。这里有 2 个函数和用法示例：

# 1. Functions

# 1.1. Equal-width discretization for a single attribute
disc_width <- function(v, k = 5) {
  w <- diff(r <- range(v)) / k
  c(r[1], seq(r[1] + w, r[2] - w, w), r[2])
}

# 1.2. Equal-frequency discretization for a single attribute
disc_freq <- function(v, k = 5) {
  v <- v[!is.na(v)]
  r <- range(v)
  f <- unique(quantile(v, seq(1/k, 1-1/k, 1/k))) 
  c(r[1], f, r[2])
}

# 2. Usage

# 2.1. Feature
x <- mtcars$mpg

# 2.2. Range of feature 'x'
range(x)

# 2.3. Equal-width discretization
disc_width(x, 4)

# 2.4. Equal-frequency discretization
disc_freq(x, 5)

将连续变量转换为二进制变量

Convert continuous variables to binary variables

r

binary

cut

categorical-data

数据