在 R 中有很好的功能，可以为分类变量的每个级别运行带有虚拟变量的回归。例如Automatically expanding an R factor into a collection of 1/0 indicator variables for every factor level
在 Julia 中是否有等效的方法来执行此操作。
x = randn(1000)
group = repmat(1:25 , 40)
groupMeans = randn(25)
y = 3*x + groupMeans[group]
data = DataFrame(x=x, y=y, g=group)
for i in levels(group)
data[parse("I$i")] = data[:g] .== i
end
lm(y~x+I1+I2+I3+I4+I5+I6+I7+I8+I9+I10+
I11+I12+I13+I14+I15+I16+I17+I18+I19+I20+
I21+I22+I23+I24, data)
最佳答案
如果您使用的是 DataFrames 包，则在您之后 pool数据，包将处理其余的:
Pooling columns is important for working with the GLM package When fitting regression models, PooledDataArray columns in the input are translated into 0/1 indicator columns in the ModelMatrix - with one column for each of the levels of the PooledDataArray.
您可以查看有关合并数据的其余文档 here
关于dataframe - Julia 中的虚拟变量，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/29158626/