การเข้ารหัสตัวแปรเชิงกลุ่ม
ในแบบฝึกหัดก่อนหน้า คุณได้ฝึกสร้าง model matrix สำหรับตัวแปรต่อเนื่องและการแปลงตัวแปร ในแบบฝึกหัดนี้จะได้ฝึกวิธีการเข้ารหัสตัวแปรเชิงกลุ่ม
ข้อมูลเชิงกลุ่มช่วยให้วิเคราะห์และเปรียบเทียบความสัมพันธ์ระหว่างกลุ่มหรือปัจจัยต่าง ๆ ได้ ดังนั้นการเลือกกลุ่มอ้างอิง (reference group) จึงมีความสำคัญ และบางครั้งอาจต้องเปลี่ยนจากกลุ่มอ้างอิงค่าเริ่มต้น เหตุผลที่พบบ่อยในการเปลี่ยนกลุ่มอ้างอิงคือการตีความค่าประมาณสัมประสิทธิ์จะมีความหมายและน่าสนใจมากขึ้นตามบริบทของการศึกษา
ในแบบฝึกหัดนี้จะกลับมาใช้ชุดข้อมูล crab ซึ่ง color และ spine เป็นตัวแปรเชิงกลุ่ม
ชุดข้อมูล crab ถูกโหลดไว้ใน workspace แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Generalized Linear Models ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import function dmatrix
from ____ import ____
# Construct and print model matrix for color as categorical variable
print(____('____', data = ____,
return_type = 'dataframe').head())