Representando variáveis categóricas como conjuntos de variáveis numéricas. Necessário em muitos tipos de análise para que processem dados categóricos. Um exemplo comum é usar um preditor categórico em regressão / ANOVA por meio de codificação fictícia, codificação de efeito, codificação Helmert, contrastes definidos pelo usuário, etc.
Entendo a lógica da codificação para análise de dados. Minha pergunta abaixo é sobre o uso de um código específico. Existe uma razão pela qual o sexo é frequentemente codificado como 0 para o sexo feminino e 1 para o sexo masculino? Por que essa codificação é considerada 'padrão'? Compare isso...
Não sei por que precisamos codificar variáveis categóricas. Por exemplo, se eu tenho uma variável categórica com quatro valores possíveis 0,1,2,3, posso substituí-la por duas dimensões. Se a variável tivesse valor 0, teria 0,0 na duas dimensões, se tivesse 3, teria 1,1 na duas dimensões e assim...
Meu entendimento é que no aprendizado de máquina pode ser um problema se o seu conjunto de dados tiver recursos altamente correlacionados, pois codificam efetivamente as mesmas informações. Recentemente, alguém apontou que, quando você codifica uma variável quente em uma variável categórica, você...
Analisei recentemente um experimento que manipulou 2 variáveis categóricas e uma variável contínua usando ANCOVA. No entanto, um revisor sugeriu que a regressão múltipla com a variável categórica codificada como variáveis dummy é um teste mais apropriado para experimentos com variáveis...
Para usar o SVM ou a Rede Neural, ele precisa transformar (codificar) variáveis categóricas em variáveis numéricas, o método normal nesse caso é usar 0-1 valores binários com o k-ésimo valor categórico transformado em (0,0, .. ., 1,0, ... 0) (1 está na posição k-ésima). Existem outros métodos...
Estou tendo problemas para interpretar os valores z para variáveis categóricas na regressão logística. No exemplo abaixo, tenho uma variável categórica com 3 classes e, de acordo com o valor z, CLASS2 pode ser relevante enquanto as outras não. Mas agora o que isso significa? Que eu poderia...
Eu tenho uma variável independente chamada "qualidade"; essa variável possui 3 modalidades de resposta (má qualidade; média qualidade; alta qualidade). Quero introduzir essa variável independente em minha regressão linear múltipla. Quando eu tenho uma variável independente binária (variável dummy,...
Estou executando um LASSO que possui alguns preditores de variáveis categóricos e outros contínuos. Eu tenho uma pergunta sobre as variáveis categóricas. O primeiro passo que entendo é dividir cada um deles em manequins, padronizá-los para uma penalização justa e depois regredir. Várias opções...
"Variável dummy" e "variável indicadora" são termos usados com frequência para descrever a participação em uma categoria com codificação 0/1; geralmente 0: não é membro da categoria, 1: membro da categoria. Em 26/11/2014, uma pesquisa rápida em scholar.google.com (com aspas anexas) revela que...
Atualmente, estou trabalhando em um modelo de regressão em que tenho apenas variáveis categóricas / fatoriais como variáveis independentes. Minha variável dependente é uma proporção transformada em logit. É bastante fácil apenas executar uma regressão normal em R, pois R sabe automaticamente...
Se você ajustar um modelo linear ou um modelo misto, existem diferentes tipos de codificação disponíveis para transformar uma variedade categórica ou nominal em um número de variáveis para as quais os parâmetros são estimados, como a dummy conding (o padrão R) e a codificação de efeitos. Ouvi...
Se uma variável fator (por exemplo, gênero com níveis M e F) for usada na fórmula glm, as variáveis fictícias serão criadas e poderão ser encontradas no resumo do modelo glm juntamente com seus coeficientes associados (por exemplo, gêneroM) Se, em vez de confiar em R para dividir o fator dessa...
Eu nunca tenho certeza de quando usar a codificação one-hot para variáveis categóricas não ordenadas e quando não usar . Eu o uso sempre que o algoritmo usa uma métrica de distância para calcular a similaridade. Alguém pode dar uma regra geral a respeito de quais tipos de algoritmos exigiriam que...
Preciso de uma ajudinha para seguir na direção certa. Faz muito tempo que não estudei nenhuma estatística e o jargão parece ter mudado. Imagine que eu tenho um conjunto de dados relacionados a carros, como Tempo de viagem da cidade A para a cidade B Distância da cidade A à cidade B Tamanho do...
Eu tenho um quadro de dados em python, onde eu preciso encontrar todas as variáveis categóricas. A verificação do tipo da coluna nem sempre funciona porque o inttipo também pode ser categórico. Portanto, busco ajuda para encontrar o método de teste de hipótese correto para identificar se uma...
Eu tenho que fazer regressão logística binária com muitas variáveis independentes. A maioria deles é binária, mas algumas das variáveis categóricas têm mais de dois níveis. Qual é a melhor maneira de lidar com essas variáveis? Por exemplo, para uma variável com três valores possíveis, suponho...
Este é apenas um exemplo que encontrei várias vezes, portanto não tenho dados de amostra. Executando um modelo de regressão linear em R: a.lm = lm(Y ~ x1 + x2) x1é uma variável contínua. x2é categórico e possui três valores, por exemplo, "Baixo", "Médio" e "Alto". No entanto, a saída fornecida...
Estou interessado na interação tratamento-covariáveis no contexto de experiências / ensaios clínicos randomizados, com um binário indicador de atribuição de tratamento .TTT Dependendo do método / fonte específico, vi e para os sujeitos tratados e os não tratados, respectivamente.T = { 1 , - 1 }T=...
Qual é o nome do operador que pega um vetor categórico e o transforma na representação binária usando a codificação one-hot? Fico pensando desde que estou escrevendo um artigo científico e preciso de um nome adequado para
Se eu tenho uma variável com 4 níveis, em teoria eu preciso usar 3 variáveis fictícias. Na prática, como isso é realmente realizado? Uso 0-3, uso 1-3 e deixo o 4 em branco? Alguma sugestão? NOTA: Eu vou trabalhar na R. ATUALIZAÇÃO: O que aconteceria se eu apenas usasse uma coluna que use 1-4...