R特性哈希：hashed.model.matrix中的额外值 总结

为什么FeatureHashing生成的hashed.model矩阵在第1列中总是有一个“勾号”（即类似于1或2或更多的条目）

细节 深入研究散列对一些简单数据的作用，我发现 我无法解释的是：为什么会产生 矩阵是否为每个记录包含1个额外值？（始终在第1列中）

数据：

library(FeatureHashing)
df=data.frame( soup=c('broth','pea','tomato','pea','broth'),
               main=c( 'fries', 'potato', 'fries', 'rice','rice') )

> df
    soup   main
1  broth  fries
2    pea potato
3 tomato  fries
4    pea   rice
5  broth   rice

生成哈希矩阵：

m=hashed.model.matrix(~.,data=df,hash.size=16,signed.hash=FALSE,
                      create.mapping=TRUE)

5 x 16 sparse Matrix of class "dgCMatrix"
   [[ suppressing 16 column names ‘1’, ‘2’, ‘3’ ... ]]

[1,] 1 . . . . . 1 . . . . . . . 1 .
[2,] 2 . . . . . . . . . . . 1 . . .
[3,] 1 . 1 . . . . . . . . . . . 1 .
[4,] 1 . . . . . . . 1 . . . 1 . . .
[5,] 1 . . . . . 1 . 1 . . . . . . .

显示映射：

hash.mapping(m)

mainrice mainpotato  mainfries    souppea  soupbroth souptomato  
       9          1         15         13          7          3  

现在，使用上面的映射手动转换数据帧df中的第一行：第1行有soupbroth->7和mainfries->15。因此，我们预计第7列和第15列中会出现一个勾号

查看矩阵，第1行：

[1,] 1 . . . . . 1 . . . . . . . 1 .

我们确实在第7列和第15列中发现了一个勾号，但在第1列中也发现了一个额外的勾号。 事实上，列1的所有行都有一个记号这是从哪里来的？这是干什么用的？

---

备注：记录如下：“R版本3.2.1（2015-06-18）”/FeatureHashing_0.9第一列是截距，在许多ML包中也称为偏差项

例如：

m1=模型矩阵（~，df）

如您所见，

m1

的第一列名为intercept，其所有值均为

1

如果要删除截取列，请尝试：

m=散列的.model.matrix（~-1，…）

勾号是指逗号（，）？如果是这样的话，这就是矩阵对象的标准符号（例如参见

matrix（1:9，nrow=3）

。要了解更多关于对象表示的信息，请参见

matrix

包，该包借出了

FeatureHashing

中使用的对象。不，不是逗号。类似于1或2（或更大）的条目，我不希望出现。