如何在R中将列表类型列数据传入线性回归模型的参数中？

1. 为什么host_verifications查询类型是integer #

你查询到的integer是因子类型的底层存储格式，R中typeof()函数返回的是变量的底层存储类型，而host_verifications列本质是**因子（factor）**类型，每个不同的字符串值对应一个整数编码，如果你用class(haha)查询，就会得到factor的结果。这列看起来像列表，实际上只是普通的字符串被存成了因子，直接传入lm时会自动按因子做哑变量编码，但这种把所有标签组合当成一个枚举值的处理方式，模型效果会非常差，完全浪费了标签的信息。

2. 当前处理方式的问题 #

你把amenities拆成嵌套列表的思路是对的，但lm不接受列表类型的自变量，也没办法直接识别列表里的标签特征。你需要把这列标签转成**独热编码（one-hot encoding）**格式：即每一个唯一的标签对应一个单独的数值列，样本包含该标签则值为1，不包含则为0。

3. 具体解决代码 #

你可以用tidyverse系列包快速完成编码，示例代码如下：

library(tidyverse)
library(stringr)

# 先处理amenities列，拆分后做独热编码
train_encoded <- train %>%
  # 把amenities转成字符串，清理末尾句号
  mutate(amenities_clean = str_remove_all(amenities, "\\.$"),
         # 按逗号+任意空格拆分标签
         amenities_list = str_split(amenities_clean, ",\\s*")) %>%
  # 把列表拆分成独立行
  unnest(amenities_list) %>%
  # 去除标签首尾空格，统一标签命名
  mutate(amenities_list = str_trim(amenities_list)) %>%
  # 标记存在该标签
  mutate(value = 1) %>%
  # 转成宽表即独热编码格式，不存在的标签填充0
  pivot_wider(names_from = amenities_list, values_from = value, values_fill = 0)

# 现在可以直接用生成的标签列拟合模型
# 注意：你提供的最小示例未包含price列，运行前请确认数据集存在该因变量列
model <- lm(price ~ host_name + `TV` + `Wifi` + `Kitchen` + host_verifications, data = train_encoded)

如果你不想用tidyverse，也可以手动遍历所有唯一标签，逐个生成布尔列转成0/1后加入数据集即可。

内容的提问来源于stack exchange，提问作者GlenXoseph