R-当其中一些是因素时，如何进行预处理特征

Question

我的问题与使用CARET软件包时的分类数据有关（r术语）。我从链接的帖子中了解到，如果您使用"公式接口"，则某些功能可能是因素，并且培训可以正常工作。我的问题是如何使用preProcess()函数扩展数据？如果我尝试在以某些列作为因素的数据框架上进行操作，我会收到此错误消息：

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

请参阅此处的一些示例代码：

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

谢谢。

Answer 1

它与您链接到的帖子确实是相同的问题。preProcess仅在数字数据上工作，您有：

> 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 ...

您不能集中和扩展pclass或sex AS-IS，因此需要将它们转换为虚拟变量。您可以使用model.matrix或Caret的dummyVars来执行此操作：

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

-1摆脱了拦截。现在您可以在此对象上运行preProcess。

BTW制作preProcess忽略非数字数据在我的"待办事项"列表上，但可能会导致不关注的人的错误。

最大

Answer 2

这是一种排除因素或您想要的任何东西的快速方法：

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

您可以将您想要的任何东西传递到ppWrapper中，并将其传递给preProcess。