完整的虚拟变量

代表使用三个类别的三个类别的分类变量，每个类别为一个变量。

X₀是一个值为1的哑变量吗很酷的，否则为0。X₁是一个值为1的哑变量吗冷却器，否则为0。X₂是一个值为1的哑变量吗最酷的，否则为0。

参考组虚拟变量

用两个虚拟变量和一个参照组来代表三个类别的类别变量。

你可以区分很酷的，冷却器， 和最酷的只使用X₁和X₂,没有X₀．观察的很酷的两个虚拟变量都为0。用全0表示的类别是参照组．

有序范畴变量的虚拟变量

假设类别的数学排序是很酷的<冷却器<最酷的．该编码方案使用1和-1值，并使用更多1S以获得更高类别，以指示排序。

X₁是一个值为1的哑变量吗冷却器和最酷的， -1表示很酷的．X₂是一个值为1的哑变量吗最酷的，否则为-1。

属性表示类别变量具有数学排序“顺序”的名称-值对参数分类函数。

使用效果编码创建虚拟变量

效果编码使用1,0和-1来创建虚拟变量。代替使用0值来表示引用组，如参考组虚拟变量，效果编码使用-1表示最后一个类别。

自动创建虚拟变量

统计和机器学习工具箱™提供了几种分类和回归拟合功能，接受分类预测器。一些拟合函数创建虚拟变量来处理分类预测器。

以下是识别分类预测器中的拟合功能的默认行为。

要将任何其他预测符标识为分类预测符，请使用“CategoricalPredictors”或者'pationalvars'名称-值对的论点。

拟合函数处理识别的分类预测器如下:

手动创建虚拟变量

此示例显示如何通过使用使用的设计伪变量设计矩阵dummyvar函数。此函数接受分组变量，并返回包含零的矩阵，其中列是分组变量的虚拟变量。

创建一个规定性别的分类数据的列向量。

性别=分类({“男”；“女”；“女”；“男”；“女”})；

创建虚拟变量性别．

dv = dummyvar(性别)

dv =5×20 1 1 0 1 0 0 1 1 0

dv有五行对应于行的数量性别和一个独特的群体的两列，女和男性．列顺序对应于中级别的顺序性别．对于分类阵列，默认顺序是按字母顺序升序。您可以使用使用的查看订单类别函数。

类别(性别)

ans =2 x1细胞{'女'}{‘男性’}

要在回归模型中使用虚拟变量，您必须删除列（创建参考组）或拟合一个没有截距术语的回归模型。对于性别示例，您只需要一个虚拟变量来代表两个性别。注意如果将截取术语添加到完整的设计矩阵，则会发生什么dv．

x = [ofon（5,1）dv]

X =5×31 0 1 1 1 0 1 1 0 1 1 0 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0

排名(X)

ans = 2

带有截距项的设计矩阵不满秩且不可逆。因为这个线性相关，只用c- 1个指标变量来代表一个分类变量c带有截距术语的回归模型中的类别。