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)，通过乘法将车库质量 (GarageQual) 与车库条件 (GarageCond) 相结合。 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)

Return: chr [1:2919] "TA" "TA" "TA" "TA" "TA" "TA" "TA" "TA" "Fa" "Gd" "TA" ...

str(combi$GarageCond)

Return: chr [1:2919] "TA" "TA" "TA" "TA" "TA" "TA" "TA" "TA" "TA" "TA" "TA" ...

首先，我分解了它们：

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

Return：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)

Return: > 5 级因子 "Ex","Fa","Gd",..: 5 5 5 5 5 5 5 5 5 ...

现在我想替换因子水平名称的向量

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

使用数值向量

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

因此可以将这些变量相乘以创建组合特征，如下所示：

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

实现结合了 GarageQual 和 GarageCond 的综合 GarageGradevariable 的最终目标的最佳方法是什么？我是否应该在一开始就考虑到级别，或者我应该直接用数字替换字符？如果是这样，我该怎么做？

Answer 1

一种直接的方法是按正确的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

只要指定了因子水平，使它们的顺序正确，就可以使用与您上面概述的方法类似的方法（先转换为因子，然后再转换为数字）。

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

如何从非数字变量创建多项式特征？

How to create polynomial features from non-numeric variables?

r

feature-engineering