问题标签 [model.matrix]

我有一个数据表，我想为每个唯一的日期创建一个新列，然后在日期与列名匹配的每一行中分配一个 1

我已经使用 for 循环完成了这项工作，但我想知道是否有任何方法可以使用 data.table 和 set 对其进行优化？

这是一个例子

我的表是 298k 行，虽然执行时间不长（如下），但它是长脚本的一部分，而且我有很多低效的循环，所以我试图降低整体运行时间。

运行时间：

提前致谢。

几天前我开始使用 R 并且真的可以使用一些帮助：D 我目前有一个包含 200 个观察值和 12 个变量的 data.frame（它们代表点击，因此它们被命名为 c1-c12）。

背景： 用户单击（最多 12 次）字段。这些字段按 6 行 4 列排序，用户的点击记录为数字：

每个值的第一位代表行，第二位代表列。这就是为什么它们被命名为 11-16、21-26 ... 41-46。值范围为 c(11:16, 21:26, 31:36, 41:46)，因此有 24 个可能的值。

我能够将数据读入 R，前 10 个观察结果如下所示：

我的数据：

我想将我的数据转换为某种设计矩阵，该矩阵基于背景中给出的位置表，但是：作为所需的输出，我每次观察需要一个矩阵，再次包含 6 行和 4 列以及单击时的 1字段（即位置的值是观察的一部分）和所有其他位置的 0。第一个观察结果将如下所示：

你能给我提示哪些包裹等。我应该研究一下，也许有一些提示作为指导或类似的东西？

我的想法是为位置创建一个矩阵，然后将它们与观察结果相乘，但我目前真的很挣扎，不知道从哪里开始。

我在 R 中的位置矩阵现在看起来像这样：

（背景提供）

**可能有一种更简单、更聪明的解决方案，因为我的值包含 rownumber（第一位）和 columnnr（第二位），但我不知道如何按位置将它们写入矩阵 **

干杯和感谢， Sidebob

R 3 天大，无法弄清楚我做错了什么。我正在尝试将一些具有两种交互方式的列发送到 glmnet cox 模型中。我有一些名为 dtable 的 data.frame()

编辑以使代码可重现

当我运行它时，我得到了错误

提前致谢

我在使用 cv.glmnet 创建用于运行岭回归和套索回归的解释变量矩阵时遇到问题。

我的原始数据框尺寸为 1460*81，由几个数字和因子变量组成。为了运行 glmnet，我尝试使用model.matrix创建一个预测变量矩阵。

但是，在我的原始数据集上创建 model.matrix 时，一些行被删除并且我的响应变量和预测变量的长度不同。

这是代码：

现在我将数据框传递给 model.matrix 以创建一个矩阵。

请注意，n = 1460 * 80 如何转换为 1370 * 260。当我尝试运行岭回归时，这会导致我的预测变量和响应变量的长度不匹配。

关于在哪里寻找以确保矩阵 (x) 的长度等于 (y) 的任何想法？

我有一个实验设计，我想拟合一个线性回归模型。

这是设计data.frame：

design.df$species并且design.df$sex都是factors：

的对比编码design.df$species应该是contr.treatment，而design.df$sex应该是的contr.sum。

将其设置为model.matrix我认为这可能可行：

显然，根据我得到的错误它不起作用：

所以我的问题是我如何根据我指定的model.matrix来获取design.df？contrasts.list

我有一个看起来像这样的数据

我想为因变量运行 glm"response"

如您所见，ID 不是唯一的，这是因为每个 ID 可以为 "var4" 取多个值，

为此，我尝试了，model.matrix但它没有保留 ID，因此很难检查结果，我相信有一种简单的方法可以做到这一点，有人可以帮忙吗？

生成您可以使用的上述数据

我有一个包含 16163 个字符串的向量，如下所示：

句子有随机单词和随机长度。

从那个向量，我想得到一个虚拟变量矩阵。每列代表一个单词。如果单词在句子中，则显示 1，否则显示 0。

矩阵的第一行如下所示：

我在名为 Universe 的句子向量中做了一个唯一单词列表，并尝试使用以下代码创建一个 df：

然后我尝试用嵌套循环填充矩阵，但它需要太长时间。

在 R 中，我有多个非常大（大约 140e6）的 IP 地址列表。多个列表之间有很多重叠的IP。我想创建一个数据框或数据表，其中包含 ip 地址作为行名（不重复），列表名称作为列，0 或 1 表示该列表中是否存在 ip。

例如，我们有以下两个列表，两者之间有一些 % 交集。

我想要的是这样的：

我尝试过使用 reshape2、tidyr、model.matrix、intersect 和 good ol' for 循环。我发现了一些人们从数据帧创建虚拟矩阵的例子，但不是将向量名称作为列，将值作为行名，而不是重复。

我知道我可以像这样构建一个模型矩阵：

这给了

请注意，因子水平之一被删除，因为如果包含它，设计矩阵将是秩不足的。但是，在我想估计的模型中，这实际上很好，我想保留第四列。有什么办法不model.matrix让它掉下来吗？

有没有一种方法可以使用公式预测 model.matrix 中有多少列，而无需实例化 model.matrix？

我正在尝试优化构建sparse.model.matrix的代码：

在此函数中，构造稀疏 mm 的内存分配效率低下。因为它不知道最终矩阵中会有多少列，所以它不能为一个大矩阵进行 1 次内存分配。相反，它将循环遍历公式中的项，并分配许多较小的矩阵。在 for 循环的每次迭代中，它还会将矩阵 cbind 在一起以增长大输出矩阵，这会产生如此多的内存分配，并且对于大数据来说真的很慢。

如果有办法计算最终结果需要多少列，我们可以预先分配矩阵并使 sparse.model.matrix 更有效率。

对我的挑战是我不知道如何计算交互项需要多少列，特别是如果存在 a:b:c 形式的交互。另外，我没有对比的经验，所以不知道这如何影响所需的列数