使用 r 实现单热编码

Question

对于我正在处理的数据集，有很多字符变量，我想对它们进行一次性编码，以构建一些预测模型。在我的代码中，我排除了两个变量，因为对它们进行编码没有意义，它们是商品标识符和商店的成立年份。这是我正在使用的代码：

one_hot_encoding = dummyVars("~.", data = train[,- 
c("Item_Identifier", "Outlet_Establishment_Year")], fullRank = T)
ohe_df = data.table(predict(one_hot_encoding, train[,- 
c("Item_Identifier", "Outlet_Establishment_Year")]))
train = cbind(train[,"Item_Identifier"], ohe_df)

执行第一行时出现此错误：

Error in -c("Item_Identifier", "Outlet_Establishment_Year") : invalid argument to unary operator.

为什么？还有一个关于 dummyVars 函数的问题：它是否默认排除输入数据集的数字变量？

Answer 1

是的，它默认排除数值变量。

关于您的错误，有一些解决方法：

使用 dplyr-包

select(train, -Item_Identifier, -Outlet_Establishment_Year)
并使用 base-R

train[, -which(names(train) %in% c("Item_Identifier", "Outlet_Establishment_Year")]

或者只使用像
这样的列的编号
train[, -c(1,6)]

使用 r 实现单热编码

Implementing one-hot encoding using r

r

one-hot-encoding