범주형 입력 변수
R로 하는 Supervised Learning: 회귀
Nina Zumel and John Mount
Win-Vector, LLC
예시: 식단이 체중 감량에 미치는 효과
WtLoss24 ~ Diet + Age + BMI
| Diet | Age | BMI | WtLoss24 |
|---|---|---|---|
| Med | 59 | 30.67 | -6.7 |
| Low-Carb | 48 | 29.59 | 8.4 |
| Low-Fat | 52 | 32.9 | 6.3 |
| Med | 53 | 28.92 | 8.3 |
| Low-Fat | 47 | 30.20 | 6.3 |
model.matrix()
model.matrix(WtLoss24 ~ Diet + Age + BMI, data = diet)
- 모든 값이 수치형
- N개의 수준을 가진 범주형 변수를 N - 1개의 지시 변수로 변환
범주를 나타내는 지시 변수
원본 데이터
| Diet | Age | ... |
|---|---|---|
| Med | 59 | ... |
| Low-Carb | 48 | ... |
| Low-Fat | 52 | ... |
| Med | 53 | ... |
| Low-Fat | 47 | ... |
모델 행렬
| (Int) | DietLow-Fat | DietMed | ... |
|---|---|---|---|
| 1 | 0 | 1 | ... |
| 1 | 0 | 0 | ... |
| 1 | 1 | 0 | ... |
| 1 | 0 | 1 | ... |
| 1 | 1 | 0 | ... |
- 기준 수준: "Low-Carb"
지시 변수 해석
선형 모델:
$$ WtLoss24 = \beta_{0} + \beta_{DietLow} x_{DietLow} + \beta_{DietMed} x_{DietMed} + \beta_{Age} x_{Age} + \beta_{BMI} x_{BMI} $$
lm(WtLoss24 ~ Diet + Age + BMI, data = diet))
Coefficients:
(Intercept) DietLow-Fat DietMed
-1.37149 -2.32130 -0.97883
Age BMI
0.12648 0.01262
원-핫 인코딩의 문제점
- 수준이 너무 많으면 문제가 될 수 있음
- 예: 우편번호 (약 40,000개)
- 기하학적 방법으로 해싱하지 말 것!
연습해 봅시다!
R로 하는 Supervised Learning: 회귀
