问题标签 [dummy-data]

我尝试用 SKLearn 为一个相当大的数据集做一个 LR，该数据集有大约 600 个虚拟变量，只有很少的区间变量（我的数据集中有 300 K 行），由此产生的混淆矩阵看起来很可疑。我想检查返回的系数和方差分析的重要性，但我找不到如何访问它。有可能吗？对于包含大量虚拟变量的数据，最佳策略是什么？非常感谢！

我有两个不同的双变量，每个变量有一列和 30000 行。例如：

如果我做：

但是当我这样做时：

我得到一个包含 355 列和 30000 行 1 和 0 的双矩阵，这意味着 Matlab 已经识别出 355 个不同的虚拟对象而不是 261 个。

和，

我也得到了 2012 列的双倍，这也是不正确的。

Matlab 正在按预期在我的分类列中识别出更多的假人，所以我一定做错了什么，但我不知道是什么，因为以前这个公式对我有用。有人能帮助我吗？谢谢你。

我在 Matlab 中运行一些回归。我的前三个回归是：

• Y1 是我的因变量，它是二进制的，它只取值 0 或 1。
• X1，自变量，是一个 1 列的逻辑变量。它是一个假人，它也只取 1 和 0 的值。

这 3 种不同的模型正在工作。

我之前建立了一组假人来控制不同的影响（例如：年份、行业、员工人数等），例如：

或者

我总共有 94 个假人，分为 4 个不同的逻辑阵列（D1-48 级别、D2-13 级别、D3-6 级别和 D4-27 级别）。

我现在要做的是将它们添加到上面的回归中：

但我总是得到错误：

我一直在尝试不同的选项，例如更改变量的类型或添加，tbl1.D1=nominal(D1);但它总是会出错。我想这一定与我“介绍”虚拟组的方式有关。

有人可以帮我吗？谢谢你。

我试过这个（所有变量都改为双打）：

它有效，但我不确定它是否正确。我收到这个警告：

警告：已达到迭代限制。

我不明白为什么，因为我降低了很多我的虚拟水平。

我是 Scala 的新手，正在玩惰性求值，偶然发现了这个问题：如果我想让val c的惰性求值有效，我必须在c的声明之前编写虚拟变量a和b，这我认为样板文件太多。我试图在没有初始初始化的情况下声明a和b惰性值，但编译器抱怨。如果我写类似：也不起作用。 lazy val c = a:Double, b:Int

有没有办法摆脱这些虚拟变量？我可以用更优雅的方式重构这段代码吗？

我在 R 的数据框中有这个数值变量：

然后，我尝试将其转换为虚拟变量，条件是如果 ncorrectas > 10 它应该具有值 1，否则为 0：

我尝试了以下代码：

但是，变量根本没有改变。那么我的代码有什么问题？以及如何根据需要将其转换为虚拟变量？

我正在尝试在某些约束下使用多个假人进行回归。公式为：在国家贝塔之和等于 0 且行业相同的约束下，返回 ~ 国家 + 行业。代码如下：（重现数据的dput在底部）

问题是

不显示所有系数（它忘记了部门“消费者自由裁量权”）。我读到 R 中的虚拟模型化自愿省略了一个虚拟对象作为截距，这就是我在公式中使用 0 的原因。

关于我正在考虑使用的约束

这应该确保一些 beta 为 0，即使我认为默认情况下 R 正在对虚拟回归应用这样的约束。

我的问题很简单，如何获得所有虚拟变量的系数以及 Ret ~ Dum.Count + Dum.sect 中的截距。

数据：

我有一个具有已知级别的分类变量（例如hour，它只包含 0 到 23 之间的值），但目前并非所有这些变量都可用（例如，我们有 0 到 11 点之间的测量值，而小时从 12 到 23不包括在内），尽管稍后将添加其他值。如果我们天真地使用pandas.get_dummies()将值映射到指示变量，我们最终将只有 12 个而不是 24 个。有没有办法将分类变量的值映射到预定义的虚拟变量列表？

这是预期行为的示例：

我有一个year变量为 1950-2007 的数据，但是，year由于另一列中的“月”变量，每个数据都重复了 12 次。如何创建年份虚拟变量？这就是我所拥有的，R 不接受它

假设我有字符串：

现在说我要阅读并扔掉前两个单词：

我的问题是如何判断第二个是否sscanf读过任何东西？

我是否需要bar在每次读取之间设置 0 以确定是否实际读取了字符串，还是有更好的方法？

编辑：

检查sscanf返回值将不起作用，因为 %*s 和 %n 不会增加sscanf的返回值：

将输出：

0 6 0 6

我需要创建一个List<File> files, 以便它包含 3 个虚拟文件。我怎么做？

我需要它进行单元测试。

我做了

但我认为这是所有可能的一条线。