我有一个包含10个变量的数据集，其中4个变量是连续的，而6个是分类的。因变量也是类别变量，其值为“是”或“否”。我知道我们需要为分类变量创建虚拟变量。但是如何使用带有这些虚拟变量和连续变量的神经网络函数在R中创建神经网络模型？
salalaf 回答：如何使用多个伪变量在R中的混合数据类型中创建神经网络模型
您可以使用插入符号中的dummyVars，下面是将一些连续变量转换为分类变量的示例：
library(neuralnet)
library(caret)
library(MASS)
data=MASS::Pima.te
data$glu = cut(data$glu,breaks=4,labels=1:4)
data$bmi = cut(data$bmi,breaks=3,labels=1:3)
dummy_model = dummyVars(type~.,data=data)
mat2 = data.frame(type=data$type,predict(dummy_model,data))
head(mat2)
type npreg glu.1 glu.2 glu.3 glu.4 bp skin bmi.1 bmi.2 bmi.3 ped age
1 Yes 6 0 0 1 0 72 35 1 0 0 0.627 50
2 No 1 1 0 0 0 66 29 1 0 0 0.351 31
3 No 1 1 0 0 0 66 23 1 0 0 0.167 21
4 Yes 3 1 0 0 0 50 32 1 0 0 0.248 26
5 Yes 2 0 0 0 1 70 45 1 0 0 0.158 53
fit2 = neuralnet(type~.,data=mat2)