神经网络R中的范畴变量转换
神经网络R中的范畴变量转换
提问于 2014-11-28 07:27:00
我有数据集，其中包括客户的信用细节。我必须用神经网络库在这个数据集上建立神经网络模型。此数据集包含分类变量。在运行之前，我需要转换这些变量。有人能帮我做这个吗。
数据集中的变量：
checking_balance：<0 DM，1-200 DM，未知，<0 DM
：家具、教育、汽车
employment_duration：>7年，1-4年，4-7年
credit_history：很好，很挑剔，很好
months_loan_duration：6，48，12，42
谢谢。。
回答 1
Stack Overflow用户
发布于 2015-02-04 19:48:43
要使用一个分类变量作为输入，可以将其编码为一组布尔输入，每个输入用0或1表示一个类别。例如，您的“用途”变量可以转换为三个布尔变量(家具、教育、汽车)。
可以自动生成具有类别标志的列，如下所示：
flags = data.frame(Reduce(cbind,
lapply(levels(d$purpose), function(x){(d$purpose == x)*1})
))
names(flags) = levels(d$purpose)
d = cbind(d, flags)
# Include the new columns as input variables
levelnames = paste(names(flags), collapse = " + ")
neuralnet(paste("output ~ ", levelnames), d)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/27183827
复制相关文章
相似问题
腾讯云开发者
