问题标签 [model.matrix]

我正在尝试将因子列表转换为矩阵，例如：

我的清单：

至

我尝试执行以下操作：

但有这个错误：

data.frame 中的错误（c（“RA”，“FZFG”，“BR”），“RA”，“”，“”，“”，“”，c（“RA”，：参数意味着不同的行数: 3, 1, 2, 4, 5, 7, 6, 8, 9

对此的任何帮助表示赞赏。

我想在 model.matrix 中插入两个变量，但我不知道该怎么做

[1] 475 28

我正在尝试在函数中使用 model.matrix（我不会显示所有函数，只是感兴趣的部分），但我注意到在函数内部使用此命令时，model.matrix 的结果是不同的。这是代码：

为什么这些结果不同？谢谢。

目前，我必须将我的 model.matrix 转换回 data.frame 才能运行我的规范化函数：

有没有办法通过简单地规范化model.matrix来避免这一步？

我使用以下代码为每组观察值拟合不同的指数曲线，并且效果很好。

对于不同的实验集（在 for 循环中），我需要多次运行此代码。棘手的部分是，对于每个实验，预测变量（即 b1、b2 等）的数量都会发生变化。

有没有简单的出路？

在 glmnet() 中，我必须指定原始 X 矩阵和响应向量 Y（与可以指定模型公式的 lm 不同）。model.matrix() 将正确地从 X 矩阵中删除不完整的观察，但它不包括输出对象中的响应。所以我会有这样的事情：

当 model.matrix 删除观察值时，y 和 x 维度将不匹配。是否有将 y 数据与 x 对齐的功能？

假设我们有一个 data.frame ：

在打印我们将得到的值时：

在应用model.matrix时，它给出：

现在，正如我们在 factor 中看到的那样df$A，有3 个唯一字符，即 (a, b, c)。但是，在其等效的model.matrix中，我们有Ab, Ac。同样，在 的情况下df$B，Bd缺少。

所以，我的问题是，如果我忽略了?model.matrixIntercept

我想用因子建立两个矩阵。

它适用于第一系列，但不适用于第二系列。我不明白，系列具有相同的特征（尺寸，格式..）。但是对于第二个数据集，我少了一级。

非常感谢你的帮助

我正在尝试生成一个model.matrix，如果它存在于一对因子中的任何一个中，它将为分类变量放置虚拟变量。这是一个例子：

这导致 (5*(5-1)/2) 对 (A,B,C,D,E) 有 10 行：

当特定级别位于 group1 或 group2 中时，我想控制线性模型中的固定效应。我可以为此构建一个模型矩阵：

几个问题：

就其他协变量而言，这样做并没有给我留下很多选择。如何构建由模型矩阵表示的虚拟变量tmp3，然后在调用lm其他协变量时使用它，例如control1？

这个想法是，对于个人（A、B、C、D、E）是否在 group1 或 group2 中存在固定的影响。这似乎是一个合理的假设，但我没有找到任何参考资料。我是否遗漏了一些明显的东西，或者这在统计学中有一个共同的名字？

谢谢你的帮助。

My specific question is why 'model.matrix()' is not working as expected with 'bigglm()'.

The same model matrix works fine in glm:

This works fine.

But in 'bigglm()', the same commands receive an error:

More generally, I would request examples of how to use 'model.matrix()' along side lm/glm in a conceptually correct way. I have searched for examples all over the web and read the documentation for 'model.matrix()', but I cannot seem to find quality examples of how model.matrix() should be used in conjunction with lm/glm. My own approach above came from trial and error.

顺便说一句，如果您想知道我为什么要使用“model.matrix()”，那是因为我有一个具有 1900 个不同值的因子变量。