此函数将 1 的整数列添加到 data 。
参数
- data
-
DataFrame 或矩阵。
- name
-
截距列的名称。默认为
"(Intercept)"，与stats::lm()使用的名称相同。
例子
add_intercept_column(mtcars)
#> (Intercept) mpg cyl disp hp drat wt qsec vs am
#> Mazda RX4 1 21.0 6 160.0 110 3.90 2.620 16.46 0 1
#> Mazda RX4 Wag 1 21.0 6 160.0 110 3.90 2.875 17.02 0 1
#> Datsun 710 1 22.8 4 108.0 93 3.85 2.320 18.61 1 1
#> Hornet 4 Drive 1 21.4 6 258.0 110 3.08 3.215 19.44 1 0
#> Hornet Sportabout 1 18.7 8 360.0 175 3.15 3.440 17.02 0 0
#> Valiant 1 18.1 6 225.0 105 2.76 3.460 20.22 1 0
#> Duster 360 1 14.3 8 360.0 245 3.21 3.570 15.84 0 0
#> Merc 240D 1 24.4 4 146.7 62 3.69 3.190 20.00 1 0
#> Merc 230 1 22.8 4 140.8 95 3.92 3.150 22.90 1 0
#> Merc 280 1 19.2 6 167.6 123 3.92 3.440 18.30 1 0
#> Merc 280C 1 17.8 6 167.6 123 3.92 3.440 18.90 1 0
#> Merc 450SE 1 16.4 8 275.8 180 3.07 4.070 17.40 0 0
#> Merc 450SL 1 17.3 8 275.8 180 3.07 3.730 17.60 0 0
#> Merc 450SLC 1 15.2 8 275.8 180 3.07 3.780 18.00 0 0
#> Cadillac Fleetwood 1 10.4 8 472.0 205 2.93 5.250 17.98 0 0
#> Lincoln Continental 1 10.4 8 460.0 215 3.00 5.424 17.82 0 0
#> Chrysler Imperial 1 14.7 8 440.0 230 3.23 5.345 17.42 0 0
#> Fiat 128 1 32.4 4 78.7 66 4.08 2.200 19.47 1 1
#> Honda Civic 1 30.4 4 75.7 52 4.93 1.615 18.52 1 1
#> Toyota Corolla 1 33.9 4 71.1 65 4.22 1.835 19.90 1 1
#> Toyota Corona 1 21.5 4 120.1 97 3.70 2.465 20.01 1 0
#> Dodge Challenger 1 15.5 8 318.0 150 2.76 3.520 16.87 0 0
#> AMC Javelin 1 15.2 8 304.0 150 3.15 3.435 17.30 0 0
#> Camaro Z28 1 13.3 8 350.0 245 3.73 3.840 15.41 0 0
#> Pontiac Firebird 1 19.2 8 400.0 175 3.08 3.845 17.05 0 0
#> Fiat X1-9 1 27.3 4 79.0 66 4.08 1.935 18.90 1 1
#> Porsche 914-2 1 26.0 4 120.3 91 4.43 2.140 16.70 0 1
#> Lotus Europa 1 30.4 4 95.1 113 3.77 1.513 16.90 1 1
#> Ford Pantera L 1 15.8 8 351.0 264 4.22 3.170 14.50 0 1
#> Ferrari Dino 1 19.7 6 145.0 175 3.62 2.770 15.50 0 1
#> Maserati Bora 1 15.0 8 301.0 335 3.54 3.570 14.60 0 1
#> Volvo 142E 1 21.4 4 121.0 109 4.11 2.780 18.60 1 1
#> gear carb
#> Mazda RX4 4 4
#> Mazda RX4 Wag 4 4
#> Datsun 710 4 1
#> Hornet 4 Drive 3 1
#> Hornet Sportabout 3 2
#> Valiant 3 1
#> Duster 360 3 4
#> Merc 240D 4 2
#> Merc 230 4 2
#> Merc 280 4 4
#> Merc 280C 4 4
#> Merc 450SE 3 3
#> Merc 450SL 3 3
#> Merc 450SLC 3 3
#> Cadillac Fleetwood 3 4
#> Lincoln Continental 3 4
#> Chrysler Imperial 3 4
#> Fiat 128 4 1
#> Honda Civic 4 2
#> Toyota Corolla 4 1
#> Toyota Corona 3 1
#> Dodge Challenger 3 2
#> AMC Javelin 3 2
#> Camaro Z28 3 4
#> Pontiac Firebird 3 2
#> Fiat X1-9 4 1
#> Porsche 914-2 5 2
#> Lotus Europa 5 2
#> Ford Pantera L 5 4
#> Ferrari Dino 5 6
#> Maserati Bora 5 8
#> Volvo 142E 4 2
add_intercept_column(mtcars, "intercept")
#> intercept mpg cyl disp hp drat wt qsec vs am
#> Mazda RX4 1 21.0 6 160.0 110 3.90 2.620 16.46 0 1
#> Mazda RX4 Wag 1 21.0 6 160.0 110 3.90 2.875 17.02 0 1
#> Datsun 710 1 22.8 4 108.0 93 3.85 2.320 18.61 1 1
#> Hornet 4 Drive 1 21.4 6 258.0 110 3.08 3.215 19.44 1 0
#> Hornet Sportabout 1 18.7 8 360.0 175 3.15 3.440 17.02 0 0
#> Valiant 1 18.1 6 225.0 105 2.76 3.460 20.22 1 0
#> Duster 360 1 14.3 8 360.0 245 3.21 3.570 15.84 0 0
#> Merc 240D 1 24.4 4 146.7 62 3.69 3.190 20.00 1 0
#> Merc 230 1 22.8 4 140.8 95 3.92 3.150 22.90 1 0
#> Merc 280 1 19.2 6 167.6 123 3.92 3.440 18.30 1 0
#> Merc 280C 1 17.8 6 167.6 123 3.92 3.440 18.90 1 0
#> Merc 450SE 1 16.4 8 275.8 180 3.07 4.070 17.40 0 0
#> Merc 450SL 1 17.3 8 275.8 180 3.07 3.730 17.60 0 0
#> Merc 450SLC 1 15.2 8 275.8 180 3.07 3.780 18.00 0 0
#> Cadillac Fleetwood 1 10.4 8 472.0 205 2.93 5.250 17.98 0 0
#> Lincoln Continental 1 10.4 8 460.0 215 3.00 5.424 17.82 0 0
#> Chrysler Imperial 1 14.7 8 440.0 230 3.23 5.345 17.42 0 0
#> Fiat 128 1 32.4 4 78.7 66 4.08 2.200 19.47 1 1
#> Honda Civic 1 30.4 4 75.7 52 4.93 1.615 18.52 1 1
#> Toyota Corolla 1 33.9 4 71.1 65 4.22 1.835 19.90 1 1
#> Toyota Corona 1 21.5 4 120.1 97 3.70 2.465 20.01 1 0
#> Dodge Challenger 1 15.5 8 318.0 150 2.76 3.520 16.87 0 0
#> AMC Javelin 1 15.2 8 304.0 150 3.15 3.435 17.30 0 0
#> Camaro Z28 1 13.3 8 350.0 245 3.73 3.840 15.41 0 0
#> Pontiac Firebird 1 19.2 8 400.0 175 3.08 3.845 17.05 0 0
#> Fiat X1-9 1 27.3 4 79.0 66 4.08 1.935 18.90 1 1
#> Porsche 914-2 1 26.0 4 120.3 91 4.43 2.140 16.70 0 1
#> Lotus Europa 1 30.4 4 95.1 113 3.77 1.513 16.90 1 1
#> Ford Pantera L 1 15.8 8 351.0 264 4.22 3.170 14.50 0 1
#> Ferrari Dino 1 19.7 6 145.0 175 3.62 2.770 15.50 0 1
#> Maserati Bora 1 15.0 8 301.0 335 3.54 3.570 14.60 0 1
#> Volvo 142E 1 21.4 4 121.0 109 4.11 2.780 18.60 1 1
#> gear carb
#> Mazda RX4 4 4
#> Mazda RX4 Wag 4 4
#> Datsun 710 4 1
#> Hornet 4 Drive 3 1
#> Hornet Sportabout 3 2
#> Valiant 3 1
#> Duster 360 3 4
#> Merc 240D 4 2
#> Merc 230 4 2
#> Merc 280 4 4
#> Merc 280C 4 4
#> Merc 450SE 3 3
#> Merc 450SL 3 3
#> Merc 450SLC 3 3
#> Cadillac Fleetwood 3 4
#> Lincoln Continental 3 4
#> Chrysler Imperial 3 4
#> Fiat 128 4 1
#> Honda Civic 4 2
#> Toyota Corolla 4 1
#> Toyota Corona 3 1
#> Dodge Challenger 3 2
#> AMC Javelin 3 2
#> Camaro Z28 3 4
#> Pontiac Firebird 3 2
#> Fiat X1-9 4 1
#> Porsche 914-2 5 2
#> Lotus Europa 5 2
#> Ford Pantera L 5 4
#> Ferrari Dino 5 6
#> Maserati Bora 5 8
#> Volvo 142E 4 2
add_intercept_column(as.matrix(mtcars))
#> (Intercept) mpg cyl disp hp drat wt qsec vs am
#> Mazda RX4 1 21.0 6 160.0 110 3.90 2.620 16.46 0 1
#> Mazda RX4 Wag 1 21.0 6 160.0 110 3.90 2.875 17.02 0 1
#> Datsun 710 1 22.8 4 108.0 93 3.85 2.320 18.61 1 1
#> Hornet 4 Drive 1 21.4 6 258.0 110 3.08 3.215 19.44 1 0
#> Hornet Sportabout 1 18.7 8 360.0 175 3.15 3.440 17.02 0 0
#> Valiant 1 18.1 6 225.0 105 2.76 3.460 20.22 1 0
#> Duster 360 1 14.3 8 360.0 245 3.21 3.570 15.84 0 0
#> Merc 240D 1 24.4 4 146.7 62 3.69 3.190 20.00 1 0
#> Merc 230 1 22.8 4 140.8 95 3.92 3.150 22.90 1 0
#> Merc 280 1 19.2 6 167.6 123 3.92 3.440 18.30 1 0
#> Merc 280C 1 17.8 6 167.6 123 3.92 3.440 18.90 1 0
#> Merc 450SE 1 16.4 8 275.8 180 3.07 4.070 17.40 0 0
#> Merc 450SL 1 17.3 8 275.8 180 3.07 3.730 17.60 0 0
#> Merc 450SLC 1 15.2 8 275.8 180 3.07 3.780 18.00 0 0
#> Cadillac Fleetwood 1 10.4 8 472.0 205 2.93 5.250 17.98 0 0
#> Lincoln Continental 1 10.4 8 460.0 215 3.00 5.424 17.82 0 0
#> Chrysler Imperial 1 14.7 8 440.0 230 3.23 5.345 17.42 0 0
#> Fiat 128 1 32.4 4 78.7 66 4.08 2.200 19.47 1 1
#> Honda Civic 1 30.4 4 75.7 52 4.93 1.615 18.52 1 1
#> Toyota Corolla 1 33.9 4 71.1 65 4.22 1.835 19.90 1 1
#> Toyota Corona 1 21.5 4 120.1 97 3.70 2.465 20.01 1 0
#> Dodge Challenger 1 15.5 8 318.0 150 2.76 3.520 16.87 0 0
#> AMC Javelin 1 15.2 8 304.0 150 3.15 3.435 17.30 0 0
#> Camaro Z28 1 13.3 8 350.0 245 3.73 3.840 15.41 0 0
#> Pontiac Firebird 1 19.2 8 400.0 175 3.08 3.845 17.05 0 0
#> Fiat X1-9 1 27.3 4 79.0 66 4.08 1.935 18.90 1 1
#> Porsche 914-2 1 26.0 4 120.3 91 4.43 2.140 16.70 0 1
#> Lotus Europa 1 30.4 4 95.1 113 3.77 1.513 16.90 1 1
#> Ford Pantera L 1 15.8 8 351.0 264 4.22 3.170 14.50 0 1
#> Ferrari Dino 1 19.7 6 145.0 175 3.62 2.770 15.50 0 1
#> Maserati Bora 1 15.0 8 301.0 335 3.54 3.570 14.60 0 1
#> Volvo 142E 1 21.4 4 121.0 109 4.11 2.780 18.60 1 1
#> gear carb
#> Mazda RX4 4 4
#> Mazda RX4 Wag 4 4
#> Datsun 710 4 1
#> Hornet 4 Drive 3 1
#> Hornet Sportabout 3 2
#> Valiant 3 1
#> Duster 360 3 4
#> Merc 240D 4 2
#> Merc 230 4 2
#> Merc 280 4 4
#> Merc 280C 4 4
#> Merc 450SE 3 3
#> Merc 450SL 3 3
#> Merc 450SLC 3 3
#> Cadillac Fleetwood 3 4
#> Lincoln Continental 3 4
#> Chrysler Imperial 3 4
#> Fiat 128 4 1
#> Honda Civic 4 2
#> Toyota Corolla 4 1
#> Toyota Corona 3 1
#> Dodge Challenger 3 2
#> AMC Javelin 3 2
#> Camaro Z28 3 4
#> Pontiac Firebird 3 2
#> Fiat X1-9 4 1
#> Porsche 914-2 5 2
#> Lotus Europa 5 2
#> Ford Pantera L 5 4
#> Ferrari Dino 5 6
#> Maserati Bora 5 8
#> Volvo 142E 4 2
相关用法
- R hardhat validate_prediction_size 确保预测具有正确的行数
- R hardhat default_recipe_blueprint 默认配方蓝图
- R hardhat is_blueprint x 是预处理蓝图吗？
- R hardhat validate_column_names 确保数据包含所需的列名
- R hardhat default_formula_blueprint 默认公式蓝图
- R hardhat update_blueprint 更新预处理蓝图
- R hardhat weighted_table 加权表
- R hardhat validate_outcomes_are_univariate 确保结果是单变量
- R hardhat get_levels 从 DataFrame 中提取因子水平
- R hardhat is_frequency_weights x 是频率权重向量吗？
- R hardhat model_offset 提取模型偏移
- R hardhat standardize 标准化结果
- R hardhat model_matrix 构建设计矩阵
- R hardhat is_importance_weights x 是重要性权重向量吗？
- R hardhat run-mold 根据蓝图 Mold()
- R hardhat get_data_classes 从 DataFrame 或矩阵中提取数据类
- R hardhat fct_encode_one_hot 将一个因子编码为 one-hot 指标矩阵
- R hardhat new_frequency_weights 构建频率权重向量
- R hardhat validate_no_formula_duplication 确保公式中不出现重复项
- R hardhat default_xy_blueprint 默认 XY 蓝图
- R hardhat shrink 仅对所需列进行子集化
- R hardhat validate_outcomes_are_numeric 确保结果都是数字
- R hardhat scream ? 尖叫。
- R hardhat frequency_weights 频率权重
- R hardhat refresh_blueprint 刷新预处理蓝图
注：本文由纯净天空筛选整理自Davis Vaughan等大神的英文原创作品 Add an intercept column to data。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。