Analiza struktury zmiennych kategorycznych

W tym ćwiczeniu wywołasz funkcję model.matrix() (dokumentacja), aby sprawdzić, jak R reprezentuje dane zawierające zarówno zmienne kategoryczne, jak i liczbowe podczas modelowania. Zbiór danych flowers (oparty na pakiecie Sleuth3) jest już wczytany. Zawiera następujące kolumny:

Flowers: średnia liczba kwiatów na roślinie meadowfoam
Intensity: natężenie zastosowanego oświetlenia
Time: zmienna kategoryczna – moment (Late lub Early) w cyklu życia rośliny, w którym zastosowano oświetlenie

Celem jest przewidzenie wartości Flowers na podstawie Time i Intensity.

To ćwiczenie jest częścią kursu

Nadzorowane uczenie maszynowe w R: regresja

Zobacz kurs

Instrukcje do ćwiczenia

Wywołaj funkcję str() na zbiorze flowers, aby zobaczyć typy poszczególnych kolumn.
Użyj funkcji unique() na kolumnie flowers$Time, aby sprawdzić możliwe wartości zmiennej Time. Ile unikalnych wartości zawiera?
Utwórz formułę wyrażającą Flowers jako funkcję Intensity i Time. Przypisz ją do zmiennej fmla i wyświetl.
Użyj fmla i model.matrix(), aby utworzyć macierz modelu dla ramki danych flowers. Przypisz wynik do zmiennej mmat.
Użyj funkcji head(), aby przejrzeć pierwsze 20 wierszy zbioru flowers.
Teraz przejrzyj pierwsze 20 wierszy zmiennej mmat.
- Czy kolumna liczbowa Intensity różni się czymś?
- Co stało się z kolumną kategoryczną Time ze zbioru flowers?
- Jak jest reprezentowany warunek Time == 'Early'? A Time == 'Late'?

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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
___

Edytuj i uruchom kod