在尝试将数据集（以CSV格式）上传到H2O时，我发现FirstName列被转换为null/缺失值，我了解到当前版本的H2O不支持字符串类型的列，且因子类型最多只能处理65k个唯一值。因此，我现在正在寻找另一种解决这个问题的方法。
我希望最终得到一个模型，给定任何FirstName，它将返回以下信息：
- 该人是男性/女性的概率（+1.0到-1.0）
- 如果可能的话，该人的可能年龄（均值，标准差）
哪些R函数（或包::函数）可以用于此目的？最好是文档齐全的包/函数，以便我可以在使用过程中学习更多知识。
这是R中数据集的一个样本。列类型为：数值，因子，因子，数值。
> head(TrainingNames) Year FirstName Gender Freq1 1880 Mary F 70652 1880 Anna F 26043 1880 Emma F 20034 1880 Elizabeth F 19395 1880 Minnie F 17466 1880 Margaret F 1578> summary(TrainingNames) Year FirstName Gender Freq Min. :1880 Francis: 268 F:1062432 Min. : 5.0 1st Qu.:1948 James : 268 M: 729659 1st Qu.: 7.0 Median :1981 Jean : 268 Median : 12.0 Mean :1972 Jesse : 268 Mean : 186.1 3rd Qu.:2000 Jessie : 268 3rd Qu.: 32.0 Max. :2013 John : 268 Max. :99674.0 (Other):1790483 这是用于提取/处理数据源的R代码。
# 创建数据目录，下载并解压数据源dir.create('Data Files', showWarnings = F)if(!file.exists('Data Files/names.zip')) { download.file(url = 'http://www.ssa.gov/oact/babynames/names.zip', destfile = 'Data Files/names.zip', cacheOK = T) setwd('Data Files/') unzip(zipfile = 'names.zip') setwd('../') }FileList <- list.files(path = "Data Files/", pattern = ".txt") # 数据文件列表# 为R/Tableau创建名字数据源munge <- function(f) { # 返回单个数据文件的数据框 y <- as.numeric(gsub(pattern = '[^0-9]', replacement = "", x = f)) l <- read.csv(file = paste0("Data Files/", f), header = F, quote = "'") d <- cbind(y, l) colnames(d) <- c("Year", "FirstName", "Gender", "Freq") return(data.frame(d))}if(!file.exists('TrainingNames.csv')) { pb <- txtProgressBar(min = 1, max = length(FileList), style = 3) # 开始进度条 TrainingNames <- munge(FileList[[1]]) # 处理第一个数据文件 for(n in 2:length(FileList)) { # 处理剩余的数据文件 TrainingNames <- rbind(TrainingNames, munge(FileList[[n]])) setTxtProgressBar(pb, n) } close(pb) # 关闭进度条 rm(n, pb) write.table(x = TrainingNames, file = "TrainingNames.csv", sep = ";", row.names = F, col.names = T) # 将结果写入CSV文件}summary(TrainingNames)回答：
我在这里定义了一个name_stats函数，按照你的要求进行操作。你需要先运行问题中的代码来创建TrainingNames，然后这个函数才能工作。
你可以根据需要进行任何编辑以适应你的具体需求。
name_stats=function(name){ df=subset(TrainingNames,FirstName==name) gender=tapply(df[,'Freq'],df[,'Gender'],sum) prob_male=gender['M']/sum(gender) prob_female=gender['F']/sum(gender) age=tapply(df[,'Freq'],as.factor(df[,'Year']),sum) dimnames(age)=list(age=round((Sys.Date()-as.Date(unlist(dimnames(age)),format='%Y'))/365)) mean_age=mean(rep(as.numeric(unlist(dimnames(age))),age)) sd_age=sd(rep(as.numeric(unlist(dimnames(age))),age)) cat('Probability',name,'is male is',round(prob_male,6),'\n','Probability',name,'is female is',round(prob_female,6),'\n','Mean age of',name,'is',round(mean_age,6),'\n','SD age of',name,'is',round(sd_age,6))}