カテゴリ変数の構造を確認する

この演習では、model.matrix()（ドキュメント）を呼び出して、R がカテゴリ入力と数値入力を併せ持つデータをモデリング用にどのように表現するかを確認します。Sleuth3 パッケージ由来のデータセット flowers が読み込まれています。次の列を含みます。

Flowers: meadowfoam 植物の平均開花数
Intensity: 植物に与えた光処理の強度
Time: カテゴリ変数。光処理がライフサイクルのどの時期（Late または Early）に行われたか

最終的な目標は、Flowers を Time と Intensity の関数として予測することです。

この演習はコースの一部です

R による Supervised Learning：回帰

コースを見る

演習の手順

flowers に対して str() 関数を呼び出し、各列の型を確認します。
列 flowers$Time に対して unique() 関数を使い、Time が取りうる値を確認します。ユニークな値はいくつありますか？
Flowers を Intensity と Time の関数として表す式を作成し、変数 fmla に代入して表示します。
fmla と model.matrix() を使って、データフレーム flowers のモデル行列を作成し、変数 mmat に代入します。
head() を使って、flowers の先頭20行を確認します。
次に、mmat の先頭20行を確認します。
- 数値列の Intensity は変わっていますか？
- flowers のカテゴリ列 Time はどう変換されましたか？
- Time == 'Early' はどのように表現されていますか？Time == 'Late' は？

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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
___

コードを編集して実行