问题标签 [model.matrix]

我正在尝试在 model.matrix 中使用 data.frame 中的多个列。

数据框如下所示：

看起来像这样：

我想做类似的事情：

但是我不能让 model.matrix 接受多个变量：

有什么建议么？

编辑：

我有一个data.table DT，我想在model.matrix上面运行。每行都有一个字符串 ID，存储在 的ID列中DT。当我运行model.matrix时DT，我的公式不包括该ID列。问题是，model.matrix由于 NA 删除了一些行。如果我在调用之前将行名设置DT为列，那么最终的模型矩阵具有行名，我就准备好了。否则，我无法弄清楚我最终得到了哪些行。我正在使用. 但是，当我尝试向 中添加新列时，我收到了关于IDmodel.matrixrownames(DT) = DT$IDDT

“检测到无效的 .internal.selfref ......在早些时候，这个 data.table 已被 R 复制。”

所以我想知道

1. 有没有更好的方法来设置行名data.table
2. 有没有更好的方法来解决这个问题。

我想创建一个指标变量矩阵。我最初的想法是使用model.matrix，这里也建议使用：Automatically expand an R factor into a collection of 1/0 indicator variables for each factor level

但是，如果一个因子只有一个级别，model.matrix 似乎不起作用。

这是一个示例数据集，其中因子“区域”具有三个级别：

for 循环很有效，而且看起来很简单。但是，我一直在努力想出一个不涉及循环的解决方案。我可以使用上面的循环，但一直在努力摆脱它们。有没有更好的办法？

在使用正则表达式之前，我已经为此制定了一个非常冗长的解决方案，但我希望有一种更原生的方法来做到这一点。

给定一个模型，也许像

我想确定公式中哪个系数与哪个变量有关。像这样：

我已经检查过了model.matrix，model.formula但是那些让我看到了这行代码

我深入研究了 C 代码，但我认为必须有一种更简单的方法。有没有？

为了回应 DWin 的好回答，我构建了一个复杂的示例，其中正则表达式可能会失败。这是正则表达式让我害怕的边缘情况之一。

它data.frame是用变量名和值构建的，这些变量名和值很容易混淆，这种情况经常发生。

这将连续变量Bat与 的所有系数相匹配factor Batter。

是的，这是一个愚蠢的例子，但很容易发生。

我在运行具有广泛数据集的 glmnet lasso 时遇到问题。我的数据有 N=50，但 p > 49000，所有因素。因此，要运行 glmnet，我必须创建一个 model.matrix，但是当我调用 model.matrix(formula, data) 时，我的内存不足，其中 formula = Class ~ 。

作为一个工作示例，我将生成一个数据集：

之后，我尝试创建一个 model.matrix 以在 glmnet 上输入。

在最后一步（X = model.matrix ...）我内存不足。我能做些什么？

我正在尝试将具有分类变量的数据框转换为 model.matrix 但正在丢失变量级别。

这是我的代码：

有什么建议么？这是矩阵不可逆性问题吗？

我最近询问了以下有关使用库requires numeric/complex matrix/vector arguments时出现的错误的问题。neuralnet这是我最初的问题：“第一次在 R 中使用神经网络：获取“需要数字/复杂矩阵/向量参数”，但不知道如何纠正“。

解决方案是使用该model.matrix函数将我的数据框中的因子转换为“虚拟”变量。结果代码如下：

因为我的源数据框充满了许多单独的NA值，所以生成的矩阵最终有 714 行，而不是原始数据框的 891 行。

这对我的训练数据来说没问题。但是，当我加载我的测试数据框并将其转换为矩阵时，我遇到了同样的问题。这次我得到了 331 个矩阵行，而我的源数据框中有 418 个行。

在我compute将模型应用于我的测试数据之后，我无法将cbind我的预测返回到我的测试数据，因为行数不同。所以，我的问题是：

有没有办法强制model.matrix输出与源数据框相同的行数，忽略大小写NA？我的模型需要能够处理NA并仍然输出预测，因为遇到至少有一个的行NA很常见。或者，告诉神经网络将NA值视为有效因素会更好吗？

这是到目前为止我一直在尝试使用的代码：

当我尝试使用rownames来自火车数据框的强制 matrix.model 矩阵进入相同的行数时，我得到以下信息：

但是，那一行 NA 是不准确的。事实上，该行中可能只有一个 NA 值，但出于某种原因，每当行中列出一个 NA 值时，矩阵会将整行转换为 NA。而不是上面的，这是我想看到的：

考虑以下演示数据：

如果我用 构建矩阵mt，model.matrix()则需要永远：

但是如果我对矩阵做同样的事情，它会非常快：

为什么有区别？是什么让model.matrix()慢速对于lm()相关功能真的很有必要？

如何使用 model.matrix 生成一个看起来像这样的矩阵？

我产生了第一个矩阵

在哪里

和身份证

这是我能得到的最接近的。

我在 R 中有一个相当大的数据框，有两列。我试图从Code列（factor类型为 858 级）中找出虚拟变量。问题是当我尝试这样做时，R Studio 总是崩溃。

该User列不是唯一的，这意味着可以有几行具有相同的User. 不管最终行数保持不变还是将相同的行User合并到一行中，该行有几列非空且计数为Codes。

我发现了一些适用于较小数据集的解决方案，但不适用于我的。

• 尝试使用model.matrix，但 R Studio 只是崩溃

  在这里找到自动将 R 因子扩展为每个因子级别的 1/0 指标变量的集合

• 尝试for使用 循环ifelse，但代码运行了 4 小时，然后我注意到 R Studio 崩溃了。

  在这里找到从分类变量创建新的虚拟变量列

如果您能向我推荐一些快速且适用于此类数据的方法，那就太好了。

谢谢！