Representar variables categóricas como conjuntos de variables numéricas. Necesario en muchos tipos de análisis para que puedan procesar datos categóricos. Un ejemplo común es usar un predictor categórico en regresión / ANOVA mediante codificación ficticia, codificación de efectos, codificación Helmert, contrastes definidos por el usuario, etc.
Entiendo la lógica de la codificación para el análisis de datos. Mi pregunta a continuación es sobre el uso de un código específico. ¿Hay alguna razón por la cual el género a menudo se codifica como 0 para mujeres y 1 para hombres? ¿Por qué esta codificación se considera 'estándar'? Compare...
Tengo entendido que en el aprendizaje automático puede ser un problema si su conjunto de datos tiene características altamente correlacionadas, ya que codifican efectivamente la misma información. Recientemente, alguien señaló que cuando realiza una codificación de una sola vez en una variable...
No estoy seguro de por qué necesitamos codificar variables categóricas simuladas. Por ejemplo, si tengo una variable categórica con cuatro valores posibles 0,1,2,3, puedo reemplazarla por dos dimensiones. Si la variable tuviera el valor 0, tendría 0,0 en las dos dimensiones, si tuviera 3, tendría...
Recientemente analicé un experimento que manipuló 2 variables categóricas y una variable continua usando ANCOVA. Sin embargo, un revisor sugirió que la regresión múltiple con la variable categórica codificada como variables ficticias es una prueba más apropiada para experimentos con variables...
Para usar SVM o red neuronal, necesita transformar (codificar) variables categóricas en variables numéricas, el método normal en este caso es usar valores binarios 0-1 con el k-ésimo valor categórico transformado para ser (0,0, .. ., 1,0, ... 0) (1 está en la posición k-ésima). ¿Hay otros métodos...
Tengo problemas para interpretar los valores z de las variables categóricas en la regresión logística. En el siguiente ejemplo, tengo una variable categórica con 3 clases y, de acuerdo con el valor z, CLASS2 podría ser relevante mientras que las demás no lo son. Pero ahora, ¿qué significa...
Tengo una variable independiente llamada "calidad"; Esta variable tiene 3 modalidades de respuesta (mala calidad; calidad media; alta calidad). Quiero introducir esta variable independiente en mi regresión lineal múltiple. Cuando tengo una variable independiente binaria (variable ficticia, puedo...
Estoy ejecutando un LASSO que tiene algunos predictores de variables categóricas y algunos continuos. Tengo una pregunta sobre las variables categóricas. El primer paso que entiendo es dividir cada uno de ellos en tontos, estandarizarlos para una penalización justa y luego retroceder. Surgen varias...
"Variable ficticia" y "variable indicadora" son etiquetas que se usan con frecuencia para describir la pertenencia a una categoría con codificación 0/1; generalmente 0: no es miembro de la categoría, 1: miembro de la categoría. El 26/11/2014, una búsqueda rápida en scholar.google.com (con comillas...
Actualmente estoy trabajando en un modelo de regresión donde solo tengo variables categóricas / factoriales como variables independientes. Mi variable dependiente es una relación transformada logit. Es bastante fácil ejecutar una regresión normal en R, ya que R sabe automáticamente cómo codificar...
Si se ajusta a un modelo lineal o un modelo mixto, hay diferentes tipos de codificaciones disponibles para transformar una variable categórica o nominal en una serie de variables para las que se estiman los parámetros, como la codificación ficticia (el valor predeterminado de R) y la codificación...
Si se usa una variable de factor (por ejemplo, género con los niveles M y F) en la fórmula glm, se crean variables ficticias, y se pueden encontrar en el resumen del modelo glm junto con sus coeficientes asociados (por ejemplo, genderM) Si, en lugar de confiar en R para dividir el factor de esta...
Nunca estoy seguro de cuándo usar una codificación única para variables categóricas no ordenadas y cuándo no. Lo uso cuando el algoritmo usa una métrica de distancia para calcular la similitud. ¿Alguien puede dar una regla general sobre qué tipos de algoritmos requerirían que las características...
Necesito un poco de ayuda para avanzar en la dirección correcta. Ha pasado mucho tiempo desde que estudié las estadísticas y la jerga parece haber cambiado. Imagine que tengo un conjunto de datos relacionados con el automóvil, como Tiempo de viaje del pueblo A al pueblo B Distancia del pueblo A...
Tengo un marco de datos en Python donde necesito encontrar todas las variables categóricas. Comprobar el tipo de columna no siempre funciona porque el inttipo también puede ser categórico. Así que busco ayuda para encontrar el método de prueba de hipótesis correcto para identificar si una columna...
Tengo que hacer una regresión logística binaria con muchas variables independientes. La mayoría de ellos son binarios, pero algunas de las variables categóricas tienen más de dos niveles. ¿Cuál es la mejor manera de lidiar con tales variables? Por ejemplo, para una variable con tres valores...
Este es solo un ejemplo que he encontrado varias veces, por lo que no tengo ningún dato de muestra. Ejecutar un modelo de regresión lineal en R: a.lm = lm(Y ~ x1 + x2) x1Es una variable continua. x2es categórico y tiene tres valores, por ejemplo, "Bajo", "Medio" y "Alto". Sin embargo, la salida...
Estoy interesado en las interacciones con el tratamiento de covarianza en el contexto de los experimentos / ensayos controlados aleatorios, con un indicador binario asignación de tratamiento .TTT Dependiendo del método / fuente específico, he visto y para los sujetos tratados y no tratados,...
¿Cuál es el nombre del operador que toma un vector categórico y lo transforma en la representación binaria usando una codificación de un punto? Me pregunto ya que estoy escribiendo un artículo científico y necesito un nombre propio para
Estoy tratando de convertir mi columna de factor a variables ficticias: str(cards$pointsBin) # Factor w/ 5 levels ".lte100",".lte150",..: 3 2 3 1 4 4 2 2 4 4 ... labels <- model.matrix(~ pointsBin, data=cards) head(labels) # (Intercept) pointsBin.lte150 pointsBin.lte200 pointsBin.lte250...