R语言caret包的学习（一）--数据预处理

caret包（Classification and Regression Training）是一系列函数的集合，它试图对创建预测模型的过程进行流程化。本系列将就数据预处理、特征选择、抽样、模型调参等进行介绍学习。

本文将就caret包中的数据预处理部分进行介绍学习。主要包括以下函数：model.matrix()，dummyVars()，nearZeroVar()，findCorrelation()，findLinearCombos()，preProcess()，classDist()，featurePlot()

创建虚拟变量

创建虚拟变量的两个主要函数：model.matrix ， dummyVars

model.matrix()

 model.matrix(object, data = environment(object), contrasts.arg = NULL, xlev = NULL, ...) 

其实，主要参数为object，一个公式；data就是引用的数据咯

这里，式子中 ~后可以理解为要展开的数据（其实也可以有只有一个因子水平的数据，从而便于在展开数据的同时，cbind其他列的数据，从而得到接下来分析用到的数据），结果返回的是matrix类型

如上所示，有3个因子水平的a被展开成2列，其他一列被省掉，减少了多重共线性的困扰。但是，没搞明白，intercept是怎么得出来的？？？？？

dummyVars()

 dummyVars(formula, data, sep = ".", levelsOnly = FALSE, fullRank = FALSE, ...) 

其用法跟model.matrix差不多，主要参数依旧是formula和data

不同的是

可以看出两点不同了：1. 需要调用predict函数才能显示矩阵   2. 是对所有level进行展开

此外，dummyVars还可以生成交互的展开