r-列名称不同于适合regsubset以选择最佳变量

Question

我正试图从regsubset中获取重要变量（列名）。我喜欢一个接一个地得到我可以分析的重要变量。这是程序

library(leaps)
library(ISLR)
data(Hitters)
reg_fit=regsubsets(Salary~., data = Hitters, nvmax = 10, method = "forward")

问题是reg_fit中的列名与数据Hiters中的列名不同。

以下是原始数据的输出：

names(Hitters)
##  [1] "AtBat"     "Hits"      "HmRun"     "Runs"      "RBI"      
##  [6] "Walks"     "Years"     "CAtBat"    "CHits"     "CHmRun"   
## [11] "CRuns"     "CRBI"      "CWalks"    "League"    "Division" 
## [16] "PutOuts"   "Assists"   "Errors"    "Salary"    "NewLeague"

以下是从reg_fit:中提取的输出

colnames(summary(reg_fit)$which)
##  [1] "(Intercept)" "AtBat"       "Hits"        "HmRun"       "Runs"       
##  [6] "RBI"         "Walks"       "Years"       "CAtBat"      "CHits"      
## [11] "CHmRun"      "CRuns"       "CRBI"        "CWalks"      "LeagueN"    
## [16] "DivisionW"   "PutOuts"     "Assists"     "Errors"      "NewLeagueN"

注：联赛改为联赛N，赛区改为赛区W。有什么想法吗，如果这是一个bug，或者有没有一种简单的方法可以从reg_fit中获取列名？

Answer 1

这不是一个bug。它将分类变量分解为指标变量，以便它们可以在回归中使用，而名称更改是如何让你知道指标的正水平被分配给哪个级别的。

如果你想避免这种情况，你可以通过预处理来做到。以下是变量League:的示例

League <- rep(0,322)
League[Hitters$League == "N"] <- 1
Hitters$League <- as.numeric(as.character(League))
reg_fit=regsubsets(Salary~., data = Hitters, nvmax = 10, method = "forward")
colnames(summary(reg_fit)$which)

在上面的例子中，当League等于N时，我创建了一个等于1的数字变量，并用它来替换League的factor变量版本。

在二元因子变量的情况下，您可以在运行回归后更改结果对象中的标签，但如果您有两个以上的级别，则这将不起作用。对于多类因子变量，您需要在原始数据集中创建多个指标变量，就像我在上面的示例中所做的那样。