¿Puede la regresión logística glmnet manejar directamente variables factoriales (categóricas) sin necesidad de variables ficticias?

Question

Estoy construyendo una regresión logística en R utilizando el método LASSO con las funciones cv.glmnet para seleccionar el lambda y glmnet para el modelo final.

Ya conozco todos los inconvenientes de la selección automática de modelos, pero necesito hacerlo de todos modos.

Mi problema es que necesito incluir variables factoriales (categóricas) en el modelo, ¿hay alguna forma de hacerlo sin crear un montón de variables ficticias? Estas variables son casi todas cadenas y no números.

Answer 1

Glmnet no puede tomar factor directamente, necesitas transformar variables factor a dummies. Es sólo un simple paso usando model.matrix, por ejemplo:

x_train <- model.matrix( ~ .-1, train[,features])
lm = cv.glmnet(x=x_train,y = as.factor(train$y), intercept=FALSE ,family =   "binomial", alpha=1, nfolds=7)
best_lambda <- lm$lambda[which.min(lm$cvm)]

alpha=1 construirá un LASSO.