R 的 factor() 命令只是为分类变量的每个（除了一个）值手动创建指标变量的捷径。由于您从指标变量开始，因此您无需执行任何操作。

但要小心，如果您提到的值是您的输出值。例如，如果您使用caret包，它将自己描述为“一组试图简化创建预测模型的过程的函数”。所以它基本上是 R 中许多不同机器学习包之上的一层。

如果您使用训练方法并选择例如 SVM 算法并且您的输出值是整数值，则该算法将自动将其作为回归问题而不是分类问题来处理。这可能会降低算法的性能，包括准确性和灵敏度。

因此，如果这些值是您的输出或 y 值并且您的数据集属于分类问题，请将这些值转换为因子。如果这些值是“只是”x 或特征值，我完全同意 Andy，您可以将它们保留为整数。

问候

看看 R ade4 包的 dudi.mix 和 dudi.hillsmith 函数。这些是混合数值和分类数据的 PCA 的自然扩展。如果您首先将包含分类变量的整数列转换为因子，则使用这些函数将获得不同（更好！）的结果。来自文档：“dudi.hillsmith 允许使用各种行权重，而 dudi.mix 处理有序变量。该分析的主要成分是居中和标准化向量，最大化平方相关系数与定量变量 [和] 相关比率的总和与因素。” 请参阅https://cran.r-project.org/web/packages/ade4/ade4.pdf。