Examinar la estructura de las variables categóricas

En este ejercicio, vas a llamar a model.matrix() (docs) para examinar cómo R representa datos con variables de entrada tanto categóricas como numéricas para modelado. El conjunto de datos flowers (derivado del paquete Sleuth3) ya está cargado. Tiene las siguientes columnas:

Flowers: el número medio de flores en una planta de meadowfoam
Intensity: la intensidad de un tratamiento de luz aplicado a la planta
Time: una variable categórica: en qué momento del ciclo de vida (Late o Early) ocurrió el tratamiento de luz

El objetivo final es predecir Flowers en función de Time e Intensity.

Este ejercicio forma parte del curso

Aprendizaje supervisado en R: Regresión

Ver curso

Instrucciones del ejercicio

Llama a la función str() sobre flowers para ver los tipos de cada columna.
Usa la función unique() sobre la columna flowers$Time para ver los posibles valores que toma Time. ¿Cuántos valores únicos hay?
Crea una fórmula que exprese Flowers en función de Intensity y Time. Asígnala a la variable fmla e imprímela.
Usa fmla y model.matrix() para crear la matriz del modelo para el data frame flowers. Asígnala a la variable mmat.
Usa head() para examinar las primeras 20 líneas de flowers.
Ahora examina las primeras 20 líneas de mmat.
- ¿Es diferente la columna numérica Intensity?
- ¿Qué ha pasado con la columna categórica Time de flowers?
- ¿Cómo se representa Time == 'Early'? ¿Y Time == 'Late'?

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Call str on flowers to see the types of each column
___

# Use unique() to see how many possible values Time takes
___

# Build and print a formula to express Flowers as a function of Intensity and Time: fmla
(fmla <- ___("Flowers ~ Intensity + Time"))

# Use fmla and model.matrix to see how the data is represented for modeling
mmat <- ___

# Examine the first 20 lines of flowers
___

# Examine the first 20 lines of mmat
___

Editar y ejecutar código