稀疏.model.matrix和as.matrix之间的差异

我在R中使用xgboost在训练数据集

train

上构建分类模型<代码>列车具有以下属性

它具有所有数字特征

没有丢失的值

不存在分类/文本/因子变量

TARGET

是取1/0值的目标变量

xgb.train要求以特定的格式传递数据，因此我尝试了以下两种方法来获得xgb.train所需的格式

一,

y使用公式（在sparse.model.matrix中）将截距添加到数据中（例如，包含所有1的列）。所以你得到的两个矩阵是不同的，因此结果也不同。为了避免这种使用：

train = sparse.model.matrix(TARGET~.-1,data = train)

此外，用数据模型矩阵覆盖数据集（将两者命名为“train”）可能不是一个好主意。
>data%
+全部变异（作为因子）
>数据%>%
+稀疏.model.matrix（a~-1，data=）
“dgCMatrix”类的1 x 2稀疏矩阵
b3 b4
1  1  .
>数据%>%
+as.matrix（）
a b
[1,] "1" "3"
[2，]“2”NA
[3，]NA“4”

您会发现，在使用
sparse.model.matrix
方法后，丢失值的行将被强制删除。
但是，当我在前后使用ncol（train）检查列时，结果是相同的。为什么？@user3664020在第一个示例中，矩阵仍然具有目标列，在第二个示例中，删除此列并将截距添加到矩阵中。
y <- train$TARGET
train$TARGET <- NULL
x = as.matrix(train)
x = matrix(as.numeric(x),nrow(x),ncol(x)) ##has 76000 rows and 307 columns
xgtrain = xgb.DMatrix(x, label = y)

train = sparse.model.matrix(TARGET~.-1,data = train)

> data <- 
+     data.table(
+         a=c(1,2,NA)
+         ,b=c(3,NA,4)
+     ) %>%
+     mutate_all(as.factor)
> data %>% 
+     sparse.model.matrix(a ~.-1,data=.)
1 x 2 sparse Matrix of class "dgCMatrix"
  b3 b4
1  1  .
> data %>% 
+     as.matrix()
     a   b  
[1,] "1" "3"
[2,] "2" NA 
[3,] NA  "4"