[問題] 分辨連續或類別變數

[Tinderstick ( )]

假設有一筆資料 X

我想把其中的連續變數和類別變數分別找出來

舉例來說

X = [ 0  0  2.5  21  1
      1  1  3.4  18  0
      1  2  6.6  13  1
      1  4  4.8   7  1
      0  3  5.1  25  1 ];

我想將 X 分成

X_con = [ 2.5  21
          3.4  18
          6.6  13
          4.8   7
          5.1  25 ];

X_cat = [ 0  0  1
          1  1  0
          1  2  1
          1  4  1
          0  3  1 ];


我目前想到的方法是

flag = false(1,size(X,2));
for i = 1:size(X,2)
    flag(i) = all(X(:,i).*X(:,i)==X(:,i));
end
X_con = X(:,~flag);
X_bin = X(:,flag);

這麼一來可以找到 binary variables

但是顯然沒找到其他類別變數

想請問各位有更好的方法嗎？

謝謝大家

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 58.115.173.27
※ 文章網址: https://www.ptt.cc/bbs/MATLAB/M.1450455870.A.88D.html
推 sunev: 用round 吧， 還有for 裡應該是==才對
謝謝回應，但我突然發現我要分的應該是類別變數 categorical variable 才對
也就是 0 1 2 3 4 被歸到同一群，27 13 25 18 等等被歸到連續那一群
如果是這樣該如何做呢？謝謝
推 sunev: 看不懂你的標準
推 s4300026: 覺得應該先讓板友搞懂分類標準，剛拜了一下google，
→ s4300026: 連續變數的意思是可以在某一區間內取任意值。
→ s4300026: 類別變數是指無法被量測的值，如流水號、性別、個性分類
→ s4300026: 不知道這樣的定義是否與你心中的定義相同?
→ s4300026: 然後我想問 [0 1 2 4 3] 和 [21 18 13 7 25]的差異性
→ s4300026: 為什麼一個被分到 連續 一個被分到 類別? 理由是?
→ s4300026: [21 18 13 7 25] 不能把東西分成25類(含以上)嗎?
→ celestialgod: 數值意義應該由人給予，比較難用一般rule訂定，硬要
→ celestialgod: 做只能用連續整數測試看看
謝謝回應
的確，我應該要先讓板友（包括我自己）搞懂分類標準
我心中想的變數是性別、年紀、學歷、所得等個人資料
[ 0 1 1 1 0 ] 代表性別
[ 0 1 2 4 3 ] 對應到不同的教育水準  0: 沒念書  1: 國小  2: 國中  之類
[ 21 18 13 7 25 ] 則是年紀
而資料裡可能還有 [ 22000 28000 31520 36050 ] 等不同所得
通常後兩者會被當作連續變數
但由於測量誤差，收集到的數據只能取到整數
因此用 round 可能行不通
不過我想這是我定義上的問題，跟 Matlab 無關了
anyway 還是謝謝大家

最後想請問
就算只挑出 binary variables
有比上面更好的方法嗎？
另外連續整數測試指的是什麼？
謝謝大家～
推 profyang: 最好的方法是你在讀取資料時就多加一個數字來代表它是哪
→ profyang: 種變數
推 profyang: 不然你第二行和第四行都是正整數 這是要怎麼判別?
→ profyang: 只能你一開始就標清楚 例如類別變數是0 連續變數是1 多
→ profyang: 加一個數字(每行)這樣
推 s4300026: 看了你的回答，我的進一步問題是:為什麼要請matlab幫你
→ s4300026: 分類？ 像是當你想要處理年齡資料時，你就呼叫X(:,4),
→ s4300026: 當你想要處理性別資料，你就呼叫X(:,1)不就好了，更正確
→ s4300026: 的說，你的各個欄位不就代表各資料類型了，使用%註解一
→ s4300026: 下各欄意義不是很好嗎？ 如果你不想註解，你可以用struc
→ s4300026: t之類的把他們放在各種你命名的變數中，如X(1).old=1;X(
→ s4300026: 1).money=22e3; ...
→ profyang: 樓上也是個方法 關鍵就是在於這串Data原PO是怎麼把它吃
→ profyang: 進matlab的 在吃進來這過程中先分好類就好了
感謝回應，我想是我沒講清楚
如果事前知道 X 包含了什麼變數
那當然不必如此麻煩
但若事前不知道，例如說 X 是別人提供的
我希望能找一個方法來自動分類

當然要求別人先分好類也是解法之一
感謝大家的回應
推 profyang: 很好啊 是別人提供的 那別人提供你怎麼知道哪行是年齡哪
→ profyang: 行是教育水準?是他直接告訴你第二行是教育水準 第四行是
→ profyang: 年齡這樣嗎?這樣就很簡單你照他講的像s43大那樣弄就好了
→ profyang: 但我猜你問題一定不可能就這5行而已 一定你有很多行需要
→ profyang: 分類 別人一定是告訴你一個分類基準你才知道第2行是教育
→ profyang: 水準 第4行是年齡 問題是這個分類基準是啥你並沒有告訴
→ profyang: 我們阿 是第二行一定是連續正整數呢?還是怎樣?不說清楚
→ profyang: 我不不可能知道阿
→ profyang: 但連續正整數的話 萬一就那麼賽 年齡剛好是1 2 3 4 5你
→ profyang: 怎麼辦?總之你要先講清楚啊~
→ celestialgod: 連續正整數的缺點正如樓上所說，總之，要分析資料都
→ celestialgod: 要先瞭解資料才是正道
→ celestialgod: 而且有人很故意把類別變數0,5,10,15,...也不是不可
→ celestialgod: 能
感謝指點，其實是我想寫一個估計法給有資料的人操作
因此我不會知道有哪些變數，也不知道變數的特性
但由於這個估計法必須先區分連續變數和類型變數
叫使用者先分好類目前看來是最好的答案
感謝各位板友的建議與回應，謝謝
※ 編輯: Tinderstick (140.112.177.145), 01/01/2016 17:36:12