R 如何用文本和数字变量训练套索？

考虑这个经过修改的经典示例：

library(dplyr)
library(tibble)

dtrain <- data_frame(text = c("Chinese Beijing Chinese",
                              "Chinese Chinese Shanghai",
                              "France",
                              "Tokyo Japan Chinese"),
                     add_numeric = c(1, 1, 0, 1),
                     doc_id = 1:4,
                     class = c(1, 1, 1, 0))


> dtrain
# A tibble: 4 x 4
  text                     add_numeric doc_id class
  <chr>                          <dbl>  <int> <dbl>
1 Chinese Beijing Chinese            1      1     1
2 Chinese Chinese Shanghai           1      2     1
3 France                             0      3     1
4 Tokyo Japan Chinese                1      4     0

库（dplyr）
图书馆（tibble）
dtrain dtrain
#一个tibble:4x4
文本添加\u数字文档\u id类
1中文北京中文11
2中国上海1 2 1
3法国0 3 1
4东京日本中文1 4 0

在这里，我想用套索来预测

类

。感兴趣的变量是

text

和

add\u numeric

我知道如何使用

text2vec

或

tm

仅使用

text

预测

class

：软件包将

text

转换为稀疏文档术语矩阵并输入模型

但是，在这里，我想同时使用文本变量

text

，和

add\u numeric

。我不知道如何混合这两种方法。有什么想法吗？

---

谢谢

我没有检查如何使用text2vec实现这一点，但是使用quanteda，这非常容易，只需使用

cbind

，其优点是保持稀疏矩阵。我没有更改DIMNAME，因此添加的列将显示为feat1

library(quanteda)

dtm <- dfm(dtrain$text) # create documenttermmatrix
dtm_num <- cbind(dtm, dtrain$add_numeric) # add column to sparse matrix.
dtm_num
Document-feature matrix of: 4 documents, 7 features (60.7% sparse).
4 x 7 sparse Matrix of class "dfm"
       features
docs    chinese beijing shanghai france tokyo japan feat1
  text1       2       1        0      0     0     0     1
  text2       2       0        1      0     0     0     1
  text3       0       0        0      1     0     0     0
  text4       1       0        0      0     1     1     1

库（quanteda）
dtm在
add\u numeric
上训练您的
Lasso
模型，从
text
获得的虚拟变量不能解决您的问题？PS：既然
类
是分类的，我建议你训练一个
逻辑套索
模型，而不是简单的
套索
。是的，这是一个想法，但在实践中如何做到？我的文本有数千个不同的单词，因此我需要使用
text2vec
或其他文件中的dtm。但是，在这些软件包中，我无法轻松地将我的数字添加到
dtm
（它们仅用于文本），因此您的问题是如何从因子变量中获取假人？这个问题已经回答了。值得一去看看R提供的所有方法。非常有效！我们能把这个喂套索吗？是的，直接喂
glmnet（dtm_num，y=dtrain$class）
glmnet doc:x可以采用稀疏矩阵格式Hello phiver
cbind
今天不再工作了。。。有什么想法吗？谢谢@ℕʘʘḆḽḘ, 你说它不再工作是什么意思？如果我使用上面的例子，一切都很好。quanteda 2.1.2和R 4.0.2