[英]multiple values of a categorical variable , GLM , model.matrix
我有一個看起來像這樣的數據
id var1 var2 var3 response var4
1 1 0 cat1 E 1 T4
2 1 0 cat1 E 1 T2
3 2 0 cat2 B 1 <NA>
4 3 0 cat3 C 0 <NA>
5 4 0 cat4 D 0 T3
6 4 0 cat4 D 0 T1
7 5 1 cat1 A 1 T4
8 5 1 cat1 A 1 T3
9 6 1 cat3 C 1 T3
10 7 0 cat1 C 0 T1
我想為因變量"response"
運行glm
如您所見,ID不是唯一的,這是因為每個ID可以為“ var4”取多個值,
為此,我嘗試了model.matrix
但是它不保留ID,因此很難檢查結果,我敢肯定有一種簡單的方法可以做到這一點,有人可以幫忙嗎?
生成上述數據,您可以使用
# GENERATING THE FIRST DATA FRAME
set.seed(1984)
df1 <- data.frame(id = 1:15,
var1 = sample(0:1, 15, replace = T, prob = c(.7,.3)),
var2 = sample(c('cat1','cat2', 'cat3','cat4'),15, replace = T),
var3 = sample(LETTERS[1:5],15, replace = T ),
response = sample(0:1, 15, replace = T)
)
# GENERATING THE 2ND DATA FRAME
set.seed(1984)
df2 <- data.frame(id = sample(1:15, 20, replace = T),
var4 = sample(c('T1','T2','T3','T4'), 20, replace = T))
df2 <- unique(df2[order(df2$id), ])
row.names(df2) <- NULL
# MERGING THE TWO
df3 <- merge(df1, df2, by = 'id', all = T )
df3
我將使用來自reshape2包的dcast重塑數據。 這將重塑您的數據,以便在將數據幀輸入到model.matix之前,每個id都位於一行上,並且一次熱編碼var4。 使用您的最小工作示例,這將類似於:
library(reashpe2)
newDF <- dcast(df3, ...~var4,function(x) length(x))
model.matrix(response ~., newDF)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.