如何在Julia中使用'ModelMatrix'对象进行矩阵乘法？

我对R中的

DataFrame

没有经验，实际上我也不理解

ModelMatrix

我使用它将

DataFrame

对象传输到一个“矩阵”中，其中一个额外的列完全由1个值组成。这有助于线性回归。但是，我发现Julia不支持

ModelMatrix

的矩阵乘法

当我尝试时：

# feature is a DataFrames.ModelMatrix{Array{Float64,2}} object
println(feature' * feature)  

我得到了以下错误：

ERROR: LoadError: MethodError: no method matching *(::DataFrames.ModelMatrix{Array{Float64,2}}, ::DataFrames.ModelMatrix{Array{Float64,2}})

如果试图使用以下方法将

ModelMatrix

转换为

Array

：

feature_array = convert(Array, feature)

然后出现了一个错误：

ERROR: LoadError: MethodError: Cannot `convert` an object of type DataFrames.ModelMatrix{Array{Float64,2}} to an object of type Array{T,N}

因此，我想知道如何将

ModelMatrix

转换为Julia可以进行矩阵乘法（*）的另一个对象，比如

Array

？

如果您检查，您可以看到该对象有一个属性

m

，它是基础矩阵的值。您可以使用

mm.m

（其中

mm

是

ModelMatrix

）将其拉出

例子： 生成

模型矩阵

： 使用

模型矩阵

： 如果选中，则可以看到对象有一个属性

m

，它是基础矩阵的值。您可以使用

mm.m

（其中

mm

是

ModelMatrix

）将其拉出

例子： 生成

模型矩阵

： 使用

模型矩阵

：

julia> using DataFrames

julia> df = DataFrame(X = randn(4), Y = randn(4), Z = randn(4))
4×3 DataFrames.DataFrame
│ Row │ X        │ Y          │ Z        │
├─────┼──────────┼────────────┼──────────┤
│ 1   │ 0.766271 │ 0.669007   │ 0.232803 │
│ 2   │ 2.08208  │ 0.239115   │ 0.855068 │
│ 3   │ -1.48009 │ 0.00220079 │ 0.105638 │
│ 4   │ -1.57438 │ 0.650456   │ 0.557467 │

julia> mf = ModelFrame(Z ~ X + Y, df)
DataFrames.ModelFrame(4×3 DataFrames.DataFrame
│ Row │ Z        │ X        │ Y          │
├─────┼──────────┼──────────┼────────────┤
│ 1   │ 0.232803 │ 0.766271 │ 0.669007   │
│ 2   │ 0.855068 │ 2.08208  │ 0.239115   │
│ 3   │ 0.105638 │ -1.48009 │ 0.00220079 │
│ 4   │ 0.557467 │ -1.57438 │ 0.650456   │
...

julia> mm = ModelMatrix(mf)
DataFrames.ModelMatrix{Array{Float64,2}}(4x3 Array{Float64,2}:
 1.0   0.766271  0.669007  
 1.0   2.08208   0.239115  
 1.0  -1.48009   0.00220079
 1.0  -1.57438   0.650456  ,[0,1,2])

julia> m = mm.m
4x3 Array{Float64,2}:
 1.0   0.766271  0.669007  
 1.0   2.08208   0.239115  
 1.0  -1.48009   0.00220079
 1.0  -1.57438   0.650456  

julia> m * rand(3,1)
4x1 Array{Float64,2}:
  1.9474  
  3.08515 
 -0.522879
 -0.371708