factor : 범주형 변수와 연속형 변수

factor

factor는 제한된 수의 상이한 값을 갖는 R의 변수이며 그러한 변수는 종종 범주형 변수(categorical variables)라 불린다.

R에서 사용하는 데이터 세트는 범주형과 연속형의 두 가지 유형의 변수로 구분될 수 있다.

• 범주형 변수에서는 그 값들이 제한되어 있고 보통 특정 유한한 그룹에 기반한다. 예를 들어, 범주형 변수에는 국가, 연도, 성별, 그리고 직업 등을 들 수 있다.
• 그러나 연속형 변수(continuous variable)는 정수형에서 실수에 이르는 어떠한 값도 가질 수 있다. 예를 들어, 수익, 주식의 가격 등이 있다.

범주형 변수

R은 범주형 변수를 factor로 저장한다. 문자 변수를 factor 변수로 변환하는 아래의 코드를 검토해 보자. 문자들은 기계 학습 알고리즘에서는 지원되지 않으며, 유일한 방법은 문자열을 정수로 변환하는 것이다.

Syntax

xxxxxxxxxx
factor(x = character(), levels, labels = levels, ordered = is.ordered(x))

인수(Arguments):

• x: 데이터의 벡터. 실수가 아닌 문자열이나 정수여야 한다.
• Levels: x가 가질 수 있는 가능한 값의 벡터. 이 인수는 선택사항이다. 기본 값은 벡터 x의 각 항목들의 단일값 목록이다.
• Labels: x 데이터에 라벨을 추가한다. 예를 들어, male라벨에는 1을, 반면에 female라벨에는 0.
• ordered: levels이 서열화되어야 하는지를 결정한다.

예제 1: factor 데이터를 생성해 보자.

# Create gender vector
gender_vector <- c("Male", "Female", "Female", "Male", "Male")
class(gender_vector)
​
# Convert gender_vector to a factor
factor_gender_vector <- factor(gender_vector)
class(factor_gender_vector)

결과 :

xxxxxxxxxx
## [1] "character"
## [1] "factor"

기계학습 업무를 수행할 때 문자열(string)을 factor로 변환하는 것은 중요하다.

범주형 변수는 명목 범주형 변수(nominal categorical variable)와 서열 범주형 변수(ordinal categorical variable)로 구분할 수 있다..

명목 범주형 변수

명목 범주형 변수(Nominal categorical variable)는 서너 개의 값을 갖는 범주형 변수로 순서가 중요하지 않다. 예를 들어, 남성 혹은 여성은 범주형 변수이지만 서열을 가지고 있지 않다.

예제 2:

xxxxxxxxxx
# Create a color vector
color_vector <- c('blue', 'red', 'green', 'white', 'black', 'yellow')
​
# Convert the vector to factor
factor_color <- factor(color_vector)
factor_color

결과:

xxxxxxxxxx
## [1] blue   red    green  white  black  yellow
## Levels: black blue green red white yellow

factor_color 변수에서 우리는 색깔의 서열을 구분할 수 없다 (알파벳 순으로 level이 결정된다).

서열 범주형 변수

서열 명목형 변수(Ordinal categorical variables)는 자연스런 서열을 가지고 있다. 물론 가장 낮은 서열부터 높은 서열 순을 나타내기 위해 order = TRUE를 이용하고, 가장 높은 서열에서 가장 낮은 서열로 나타내기 위해서는 order = FALSE를 이용하는 등 그 서열을 정할 수도 있다.

예제 3:

우리는 각각의 factor 값을 세기 위해 summary() 함수를 사용할 수 있다.

x
# Create Ordinal categorical vector 
day_vector <- c('evening', 'morning', 'afternoon', 'midday', 'midnight', 'evening')
​
# Convert `day_vector` to a factor with ordered level
factor_day <- factor(day_vector, order = TRUE, levels =c('morning', 'midday', 'afternoon', 'evening', 'midnight'))
​
# Print the new variable
factor_day

결과:

xxxxxxxxxx
## [1] evening   morning   afternoon midday    
midnight  evening  

예제 4:

xxxxxxxxxx
## Levels: morning < midday < afternoon < evening < midnight
# Append the line to above code
# Count the number of occurence of each level
summary(factor_day)

결과:

xxxxxxxxxx
##   morning    midday afternoon   evening  midnight
##         1         1         1         2         1

R은 levels=를 이용하여 'morning'에서 부터 'midnight' 순으로 level에 순서를 매길 수 있다.

연속형 변수

연속형 변수(Continuous class variables)는 R에서 기본 값이다. 이 변수들은 숫자 또는 정수를 저장한다. 우리는 다음의 데이터 세트에서 그것에 대해 살펴볼 수 있다. mtcars는 R에 내장된 데이터 세트이다. 이 데이터 세트는 다양한 유형의 자동차에 관한 정보를 담고 있다. 우리는 mtcars를 이용하여 그 데이터를 import 할 수 있다. mpg(mile per gallon) 변수의 class를 확인해 보자. 그것은 연속형 변수를 포함하는 numeric 값을 반환한다.

xxxxxxxxxx
dataset <- mtcars
class(dataset$mpg)

결과 :

xxxxxxxxxx
## [1] "numeric"