如果整数仅为0，我们必须将其转换为因子吗？

Question

我在一个数据帧中有许多列是标志“0”和“1”。当我导入数据帧时，它们属于类“整数”。

在所有列中，0表示不存在，1表示存在。

我需要将他们转换为fator吗？[因素将使水平1

我计划稍后使用xgboost构建一个预测模型。Xgboost只对数值列起作用，因此如果我将列转换为因子，则需要对它们进行热编码以将其转换为数值。

（附带问题：如果我们进行一次热编码以消除共线性，是否总是需要删除一列？）

Answer 1

错误状态为xgb。DMatrix接受数值，其中数据为整数。

将数据转换为数字使用

train[] <- lapply(train, as.numeric)

然后使用

xgb.DMatrix(data=data.matrix(train))

Answer 2

简短的回答：视情况而定。是的，只是为了更好的变量解释。否为0/1变量整数和因数都相同。

如果你问我个人的意见，那么我更倾向于是；因为你也更有可能有一些分类变量，它们要么有字符串值，要么有2个以上的级别，要么有2个整数级别，而不是0和1。在所有上述情况下，0/1变量整数和因数都不相同。只有0/1二进制级别的特定情况；整数变量和因子是相同的。因此，您可能希望在编码中保持一致性，甚至希望在0/1的情况下也采用这种方法。

看到你自己：

a <- c(1,2,1,2,1,2,5)
c<-as.character(a)
b<-as.factor(c)
d<-as.integer(b)

这里我只是在玩一个向量，它最终给我：

> d
[1] 1 2 1 2 1 2 3

因此，如果您不想调试值在将来发生变化的原因，请使用as。因子（）从开始。

侧面回答：是的。搜索model.matrix（）和contrasts.arg，以便在R中完成此操作。