预处理时的序数变量和插入符

Question

我发现 Max Kuhn 博士撰写的 APM 书中的许多示例倾向于涵盖具有连续变量作为预测变量集的数据集。如果使用具有序数因子的数据集，将这些变量转换为虚拟变量并丢失变量的自然顺序是否有意义？我的问题是出于对数据集进行预处理（即居中、缩放）的需要。我想知道其他人如何在 R 中处理这个问题？

Answer 1

如果因子具有 class ordered，它将生成支持某种级别多项式的线性组合。参见 The Basics of Encoding Categorical Data for Predictive Models 和 ?ordered。例如：

> pred2 <- ordered(letters[1:5])
> model.matrix(~pred2)

  (Intercept) pred2.L pred2.Q    pred2.C pred2^4
1           1 -0.6325  0.5345 -3.162e-01  0.1195
2           1 -0.3162 -0.2673  6.325e-01 -0.4781
3           1  0.0000 -0.5345 -4.096e-16  0.7171
4           1  0.3162 -0.2673 -6.325e-01 -0.4781
5           1  0.6325  0.5345  3.162e-01  0.1195
attr(,"assign")
[1] 0 1 1 1 1
attr(,"contrasts")
attr(,"contrasts")$pred2
[1] "contr.poly"

最大

预处理时的序数变量和插入符

ordinal variables and caret when preprocessing

r

r-caret