预测R模型中的列数

Question

有没有一种方法可以使用公式来预测在model.matrix中将要有多少列而无需实例化model.matrix？

我正在尝试优化用于构建sparse.model.matrix的代码：

构造稀疏mm的内存分配在此功能中效率低下。 因为它不知道末尾矩阵中将有几列，所以它无法为一个大矩阵做1个单一的内存分配。 相反，它将for循环遍历公式中的项，并分配许多较小的矩阵。 在for循环的每次迭代期间，它还会将矩阵绑定在一起以增大大的输出矩阵，该矩阵生成大量的内存分配，并且对于大数据而言确实很慢。

如果有一种方法可以计算最终结果需要多少列，我们可以预分配矩阵，并使sparse.model.matrix效率更高。

我面临的挑战是我不知道如何计算交互作用项需要多少列，尤其是如果存在a：b：c形式的交互作用时。 另外，我没有对比的经验，所以不知道这会如何影响所需的列数

Answer 1

这是一个小例子：

> set.seed(100)
> col_x1 = as.factor(sample(LETTERS[1:5], 10, replace = TRUE))
> col_x2 = as.factor(sample(LETTERS[1:10], 10, replace = TRUE))
> col_x3 = as.factor(sample(LETTERS[1:2], 10, replace = TRUE))
> df <- data.frame(X1 = col_x1, X2 = col_x2, X3 = col_x3)
> df
   X1 X2 X3
1   B  G  B
2   B  I  B
3   C  C  B
4   A  D  B
5   C  H  A
6   C  G  A
7   E  C  B
8   B  D  B
9   C  D  B
10  A  G  A
> str(df)
'data.frame':   10 obs. of  3 variables:
 $ X1: Factor w/ 4 levels "A","B","C","E": 2 2 3 1 3 3 4 2 3 1
 $ X2: Factor w/ 5 levels "C","D","G","H",..: 3 5 1 2 4 3 1 2 2 3
 $ X3: Factor w/ 2 levels "A","B": 2 2 2 2 1 1 2 2 2 1
> df_model_matrix <- model.matrix(~., df)
> dim(df_model_matrix)
[1] 10  9
> df_model_matrix <- model.matrix(~ X1 + X2 + X3 + X1*X2 + X2*X3 + X3*X1, df)
> dim(df_model_matrix)
[1] 10 28
> df_model_matrix <- model.matrix(~ X1 + X2 + X3 + X1*X2 + X2*X3 + X3*X1 + X1*X2*X3, df)
> dim(df_model_matrix)
[1] 10 40

在这种情况下，您要寻找的公式是：

如果您以非常特定的方式使用model.matrix（提供对比度，抑制截距等），则需要进行相应的修改。