我试图用cut
函数将连续变量转换为R中的分类变量的二进制列。代码是
xyz=rnorm(20,3,1)
xcut=cut(xyz,breaks=c(2,3))
这会将xyz
转换为分类变量,但我希望有三个二进制列,其中列名称为“<2”,“2-3”和“> 3”,并且如果xyz[1]
为1.5,则第一行值为1, 0和0,我需要xyz
的所有20个值。我不想使用for和if循环来创建这个20x3矩阵,我可以用数字方式用xyz
来做。我想知道是否有更短的方法可以做到这一点?
我们可以使用table
xcut <- cut(xyz,breaks=c(-Inf,2,3, Inf), labels = c("<2", "2-3", ">3"))
table(seq_along(xcut), xcut)
set.seed(24)
xyz <- rnorm(20,3,1)
其中一种解决方案是使用无监督离散化。它完全基于观察到的连续属性的分布。以下是2个函数,其中包含用法示例:
# 1. Functions
# 1.1. Equal-width discretization for a single attribute
disc_width <- function(v, k = 5) {
w <- diff(r <- range(v)) / k
c(r[1], seq(r[1] + w, r[2] - w, w), r[2])
}
# 1.2. Equal-frequency discretization for a single attribute
disc_freq <- function(v, k = 5) {
v <- v[!is.na(v)]
r <- range(v)
f <- unique(quantile(v, seq(1/k, 1-1/k, 1/k)))
c(r[1], f, r[2])
}
# 2. Usage
# 2.1. Feature
x <- mtcars$mpg
# 2.2. Range of feature 'x'
range(x)
# 2.3. Equal-width discretization
disc_width(x, 4)
# 2.4. Equal-frequency discretization
disc_freq(x, 5)