Comment pré-traiter les fonctionnalités lorsque certaines d’entre elles sont des facteurs?

Ma question est liée à cette une concernant les catégories de données (facteurs R) lors de l'utilisation de l'accent circonflexe paquet. Je comprends bien le message lié que si vous utilisez la formule "interface", certaines fonctionnalités peuvent être des facteurs et de la formation fonctionnera très bien. Ma question est comment puis-je l'échelle les données avec le preProcess() fonction? Si j'ai essayer de le faire sur un bloc de données avec certaines colonnes en tant que facteurs, j'obtiens ce message d'erreur:

Error in preProcess.default(etitanic, method = c("center", "scale")) : 
  all columns of x must be numeric

Voir ici un exemple de code:

library(earth)
data(etitanic)

a <- preProcess(etitanic, method=c("center", "scale"))
b <- predict(etitanic, a)

Merci.

source d'informationauteur mchangun

  1. 19

    C'est vraiment le même problème que le post que vous liez. preProcess ne fonctionne que sur des données numériques et vous avez:

    > str(etitanic)
'data.frame':   1046 obs. of  6 variables:
 $ pclass  : Factor w/ 3 levels "1st","2nd","3rd": 1 1 1 1 1 1 1 1 1 1 ...
 $ survived: int  1 1 0 0 0 1 1 0 1 0 ...
 $ sex     : Factor w/ 2 levels "female","male": 1 2 1 2 1 2 1 2 1 2 ...
 $ age     : num  29 0.917 2 30 25 ...
 $ sibsp   : int  0 1 1 1 1 0 1 0 2 0 ...
 $ parch   : int  0 2 2 2 2 0 0 0 0 0 ...

    Vous ne pouvez pas centre et de l'échelle pclass ou sex comme-est de sorte qu'ils doivent être convertis à des variables nominales. Vous pouvez utiliser model.matrix ou signe du dummyVars pour ce faire:

     > new <- model.matrix(survived ~ . - 1, data = etitanic)
 > colnames(new)
 [1] "pclass1st" "pclass2nd" "pclass3rd" "sexmale"   "age"      
 [6] "sibsp"     "parch"

    La -1 se débarrasser de l'ordonnée à l'origine. Maintenant, vous pouvez exécuter preProcess sur cet objet.

    btw faire preProcess ignorer les données non numériques est sur ma "to do" liste, mais il peut provoquer des erreurs de gens ne font pas attention.

    Max

  2. 5

    Voici un moyen rapide pour exclure les facteurs ou tout ce que vous souhaitez à partir de l'examen:

    set.seed(1)
N <- 20
dat <- data.frame( 
    x = factor(sample(LETTERS[1:5],N,replace=TRUE)),
    y = rnorm(N,5,12),
    z = rnorm(N,-5,17) + runif(N,2,12)
)

#' Function which wraps preProcess to exclude factors from the model.matrix
ppWrapper <- function( x, excludeClasses=c("factor"), ... ) {
    whichToExclude <- sapply( x, function(y) any(sapply(excludeClasses, function(excludeClass) is(y,excludeClass) )) )
    processedMat <- predict( preProcess( x[!whichToExclude], ...), newdata=x[!whichToExclude] )
    x[!whichToExclude] <- processedMat
    x
}

> ppWrapper(dat)
   x          y           z
1  C  1.6173595 -0.44054795
2  A -0.2933705 -1.98856921
3  C  1.2177384  0.65420288
4  D -0.8710374  0.62409408
5  D -0.4504202 -0.34048640
6  D -0.6943283  0.24236671
7  E  0.7778192  0.91606677
8  D  0.2184563 -0.44935163
9  C -0.3611408  0.26075970
10 B -0.7066441 -0.23046073
11 D -1.5154339 -0.75549761
12 D  0.4504825  0.38552988
13 B  1.5692675  0.04093040
14 C  0.4127541  0.13161807
15 D  0.5426321  1.09527418
16 B -2.1040322 -0.04544407
17 C  0.6928574  1.12090541
18 B  0.3580960  1.91446230
19 E  0.3619967 -0.89018040
20 A -1.2230522 -2.24567237

    Vous pouvez passer tout ce que vous voulez dans ppWrapper et elle sera transmise à preProcess.