stata做虛擬變量回歸的命令(R語言:利用caret的dummyVars函數設置虛擬變量)

caret的dummyVars函數可以幫助我們很快的建立一套完整的虛擬變量，之前沒見過，今天見到了，寫下來。

看例子

customers <- data.frame(                id=c(10,20,30,40,50),                gender=c('male','female','female','male','female'),                mood=c('happy','sad','happy','sad','happy'),                outcome=c(1,1,0,0,0))

建立如上的數據框后，我們可以選擇將整個數據框虛擬變量化，dummyVars這個函數默認會把所有的分類變量都虛擬化：

dmy <- dummyVars(" ~ .", data = customers)trsf <- data.frame(predict(dmy, newdata = customers))print(trsf)

看結果：

看，除了id和outcome之外所有的分類變量都被完全虛擬化了，同時我們還有注意它使用了“~”這個符號，回歸符號，這個意思就是something ~ (broken down) by something else or groups of other things；如果像我們這樣直接用“~”兩邊什么變量都不設定，那么就是默認將所有的分類變量虛擬化，如果你只要虛擬化一個變量，你就把那個變量放在“~”的后面，看下例子：

dmy <- dummyVars(" ~ gender", data = customers)trsf <- data.frame(predict(dmy, newdata = customers))print(trsf)

此時我們得到的就是只有性別的虛擬變量。

另外，還要給大家介紹的一個參數就是fullRank，這個參數可以自動生成n-1個虛擬變量，而非全部虛擬化，這個操作是經常見的就是為了避免多重共線性。(dummy variable trap）。

看例子：

dmy <- dummyVars(" ~ .", data = customers, fullRank=T)trsf <- data.frame(predict(dmy, newdata = customers))print(trsf)

將fullRank設置為T時，得到n-1個虛擬變量。

小結

今天給大家介紹了caret的dummyVars函數用來生成啞變量，感謝大家耐心看完。發表這些東西的主要目的就是督促自己，希望大家關注評論指出不足，一起進步。內容我都會寫的很細，用到的數據集也會在原文中給出鏈接，你只要按照文章中的代碼自己也可以做出一樣的結果，一個目的就是零基礎也能懂，因為自己就是什么基礎沒有從零學Python和R的，加油。

（站外鏈接發不了，請關注后私信回復“數據鏈接”獲取本頭條號所有使用數據）

往期內容：

R語言作圖：分類變量與連續變量關系的圖形化表達

python機器學習：線性回歸中的啞變量轉換

python數據分析：如何進行啞變量轉換