r - 随机森林似乎不能处理超过 32 类因素。我该怎么做才能在训练我的模型时包含这些因素？

Question

我正在尝试在我的训练数据上训练随机森林，这些数据具有“名称”、“城市”等预测变量。这两个预测变量有超过 32 个类别。我该怎么做才能包括他们？

甚至一些其他算法似乎也无法处理更大的类别，如 SVM 或 gbm。

Answer 1

出于速度的原因，通常建议避免使用公式接口来随机森林。相反，使用model.matrix您的公式，并将结果提供给随机森林。然后，您可以拥有任意数量的类别，因为它们是二分法的（即虚拟化或变成二进制变量）。

正如@joran 指出的那样，您可能还想更多地考虑您的问题。