线性模型(lm)当因变量是因子/分类变量时?
我想用 lm 函数进行线性回归.我的因变量是一个称为 AccountStatus : 的因子. 欠款1:0天，欠款2:30-60天，欠款3:60-90天，以及欠款4:90+天.(4) 作为自变量，我有几个数字变量:贷款价值，债务收入和利率. 是否可以对这些变量进行线性回归?我看了一下互联网，发现了一些关于假人的东西，但这些都是关于自变量的. 这不起作用: fit
..
categorical-data相关内容
不推荐使用OneHotEncoder categorical_features，如何转换特定列
我需要将独立字段从字符串转换为算术符号.我正在使用OneHotEncoder进行转换.我的数据集有许多独立的列，其中一些是: 国家(地区)|年龄--------------------------德国|23西班牙|25德国|24意大利|30 我必须像编码国家列那样 0 |1 |2 |3--------------------------------------1 |0 |0 |230 |
..
熊猫将所有对象列强制转换为类别
我想拥有一种优雅的功能来将所有对象列转换为熊猫数据框架分类 df [x] = df [x] .astype("category")执行类型转换 df.select_dtypes(include = ['object'])将对所有类别列进行子选择.但是，这会导致其他列的丢失/需要手动合并.是否有一种解决方案可以“就地工作"或不需要手动转换? 编辑 我正在寻找与 http:/类似的内
..
如何旋转Pandas DataFrame列以创建二进制“值表"?
我有以下熊猫数据框: 将pandas导入为pddf = pd.read_csv("filename.csv")dfA B C D E0 a 0.469112 -0.282863 -1.509059猫1 c -1.135632 1.212112 -0.173215狗2 e 0.119209 -1.044236 -0.861849狗3 f -2.104569 -0.494929 1.071804鸟4
..
r中的关联矩阵
corrplot允许您在R中绘制相关矩阵的方式 任何想法我如何在R中绘制关联矩阵关联方法使用的是任何用户指定的方法，例如Cramer's V 解决方案 问题的答案在很大程度上取决于您所获得的数据和特定的关联方法.我假设您有一堆标称变量，并想查看它们是否在相关图上使用Cramer的V进行了相关.在这种情况下，可以采用以下方法: 为每一对计算Cramer的V相关系数变量.我使用了
..
处理看不见的分类字符串Spark CountVectorizer
我已经看到 StringIndexer 对于看不见的标签有问题(请参阅这里). 我的问题是: CountVectorizer 是否有相同的限制?如何处理不在词汇表中的字符串? 此外，词汇量受输入数据影响还是根据词汇量参数固定? 最后，从ML的角度来看，假设简单的分类器(例如Logistic回归)，不应将看不见的类别编码为零行，因此应将其视为“未知"，以便获得某种默认预测?
..
混合数据时如何用K-means聚类方法处理分类数据?
我正在使用k均值方法根据建筑物的能耗，面积(以平方米为单位)和所在位置的气候区对它们进行聚类.气候区是一个类别变量.值可以是A，B，C或D.应将其转换为数字1，因此有两个选择.首先是LabelEncoder，其次是get_dummies.当我使用它们时，结果是完全不同的.我想问哪种方法更正确使用? 我猜是因为"get_dummies"为每个分类变量创建了更多维度，因此应该为分类变量赋予更多决
..
回归使输入变量之一产生误差。“对比度只能应用于具有2个或多个级别的因数”。
我正在R中使用大量输入变量运行logit回归。 newlogit
..
R图形：如何绘制字符序列（纯分类时间序列）
我有一个矩阵，其中每个元素都是纯类别变量“ a”，“ b”，“ c”，“ d”，...。矩阵的每一列都是按时间顺序排列的条目，现在我想绘制 这是原始矩阵： 这里是我想要的图： 红色图是矩阵的第一行，蓝色图是矩阵的第五行。 我已经尝试了一些现有的软件包，但是大多数情况下它们需要我将分类变量转换为数值变量。所以我想知道是否有人可以帮助我。非常感谢！ 解决方案 没有您的数
..
将数字变量和分类变量归类到R中的适当范围
Df
..
Matplotlib无法绘制分类值
这是我的示例： import matplotlib.pyplot as plt test_list = ['a'，' b'，'b'，'c'] plt.hist（test_list） plt.show（） 它会生成以下错误消息： TypeError Traceback（最近一次通话） 在
..
使用dplyr和/或cut将连续变量分为几类
我有一个记录价格变化以及其他变量的数据集。我想将价格列突变为分类变量。我知道R中这两个重要的函数似乎是 dplyr 和/或 cut 。 > head（btc_data） 时间btc_price 1 2017-08-27 22:50:00 4,389.6113 2 2017-08-27 22:51:00 4,389.0850 3 2017-08 -27 22:52:00 4,388
..
R ifelse将因子值更改为索引
我在使用R时遇到了一个奇怪的问题，我在使用data.table： 在这里，当我尝试转换那些省份少于500更改为“其他”，输出将顶部计数的省份更改为索引号 df = 500] $ Province df fact_data [，Province：= ifelse（Province％in％df，fact_data $
..
如何生成具有预测概率的随机数据集？
我正在努力生成具有预测的多项式逻辑回归概率的随机数据集。 让我们举个例子。我将使用 nnet 软件包进行多项逻辑回归。我还将使用 rattle.data 包中的葡萄酒数据集。 library（“ nnet”） library（“ rattle.data”） data（wine） multinom.fit
..
在R中将连续范围更改为分类
我试图将一些连续的整数转换为分类范围，但是发生了一些我不了解的事情。尽管我一心想要得到想要的东西，但我仍然不明白为什么会这样。 变量是0到12之间的一些整数，下面的代码还剩下 10 ， 5 + 类别中的11 ， 12 。 py2 $ Daily.Whole.Grain [py2 $ Daily.Whole.Grain == 0] py2 $ Daily.Whole.Grain [p
..
R中的分类变量-R选择哪一个作为参考？
当R使用分类变量执行回归时，它实际上是伪编码。也就是说，省略了一个级别作为基准或参考，并且回归公式包括了所有其他级别的虚拟变量。但是R选择哪个作为参考，以及我如何影响选择呢？ 具有四个级别的示例数据（来自 UCLA的IDRE ）： hsb2
..
Stata：当存在因子变量时，将回归系数和标准误差保存在.dta文件中
我想运行多个回归并将其结果存储在DTA文件中，以便以后用于分析。我的约束是： 我无法安装模块（我是在为其他人编写代码，而不是 确认他们已经安装了什么模块） 某些回归变量是因子变量。 每个回归仅因因变量不同，因此我想将其存储在最终变量中跟踪系数/方差对应的回归值的数据集。 我在这里严重丧失了理智。考虑到Stata是统计软件，我觉得这很简单，但是 svmat 确实不合作。目前我正在做
..
R中基于行值和类别的条件计算
我有这个数据帧： df 如下所示： ab reg c 1 a1 x1 A 1 2 a2 x2 A 2 3 a3 x3 A 3 4 a4合计A 4 5 b1 x1 A 5 6 b2 x2 A 6 7 b3 x3 A 7 8 b4合计A 8 9 a1 x1 B 9 10 a2 x2 B 10 11 a3 x3 B 11
..
编码类别变量，例如“州名称”
我有一个“国家名称”的“分类”列。我不确定必须执行哪种类型的分类编码才能将它们转换为数字类型。 有83个唯一的州名。 标签编码器用于序数分类变量，但是OneHot会增加列数，因为有83个唯一的州名称。 还有其他可以尝试的东西吗？ 解决方案 我会使用scikit的OneHotEncoder（ https://scikit-learn.org/stable/modules/g
..
分类变量计数的热图
我有一个项目的数据框，每个项目都有多个分类变量列。 ID test1 test2 test3 1 ABA 2 BAC 3 CCC 4 AAB 5 BBB 6 BAC 热图将在x侧的那个测试的列中包含所有因子（在本例中为A，B，C），在y侧具有另一个测试的所有因子，并且热图中的框应为根据具有分类器组合的ID的数量来上色。 例如，在上面的输入中，如果我
..