【R】機械学習のときにデータを事前にfactor型に返還する理由

Question

機械学習の際に、データ型をベクトル型から、因子型にas.factor()を用いて返還されたと思います。あとで、機械学習させたときにめんどくさいと聞いたのですが、それはなぜなのでしょうか。ご回答、よろしくお願い致します。

Answer 1

今回使用した{e1071}パッケージのsvm関数も、{randomForest}パッケージのrandomForest関数も、実は機械学習「分類」だけでなく、重回帰分析と同じように「回帰」もできるようになっています。そして、これらの関数はformula式を引数に受け取った際に、Rの動的型付けにのっとって

目的変数がカテゴリ型（factor型）の場合は分類
目的変数が数値型（numeric型：つまり連続値）の場合は回帰

というように自動的に計算方式を変更してしまうのです。
特に目的変数が0/1の二値の場合だと見かけ上どちらにも受け取れてしまうため、numeric型のままだと「回帰」になってしまうことが多いです。これを避けるためにas.factor関数を使ってfactor型に直すよう推奨しています。

ちなみに目的変数がYes/Noのように文字列で与えられている場合はsvmもrandomForestも勝手にfactor型であるとみなして「分類」の演算を行います。

Comments

[naoyan]

ご回答ありがとうございます！
自動的に計算方法が決まってしまうためなのですね。
よくわかりました。
まだまだR言語を触り始めたばかりですが精進したいと思います。