Vytvoř recept pro filtrování nízkého rozptylu

Balíček tidymodels nabízí elegantnější způsob, jak odfiltrovat příznaky s nulovým nebo téměř nulovým rozptylem – pomocí funkcí step_zv() a step_nzv(). Tyto kroky receptu identifikují příznaky s nízkým rozptylem na základě počtu unikátních hodnot a poměru frekvence nejčastěji se vyskytujících hodnot v každém příznaku. Tento přístup je robustnější než jednoduché prahování rozptylu, které jsme použili dříve.

Navíc využiješ krok step_scale(), který normalizuje rozptyl příznaků. Normalizace dat je vždy dobrý nápad – zajistí, že rozptyly napříč příznaky budou vzájemně srovnatelné.

Dataset house_sales_df máš k dispozici. Cílová proměnná je price. Balíčky tidyverse a tidymodels jsou již načteny.

Toto cvičení je součástí kurzu

Redukce dimenzionality v R

Zobrazit kurz

Pokyny k cvičení

Definuj recept pro filtrování nízkého rozptylu a připrav ho pomocí house_sales_df.
Aplikuj recept na house_sales_df a výsledná filtrovaná data ulož do filtered_house_sales_df.
Zobraz příznaky, které recept odfiltroval v kroku step_nzv().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Prepare recipe
low_variance_recipe <- recipe(___ ~ ___, ___ = ___) %>% 
  step_zv(___) %>% 
  ___(___) %>% 
  ___(___) %>% 
  prep()

# Apply recipe
filtered_house_sales_df <- ___(___, new_data = ___)

# View list of features removed by the near-zero variance step 
tidy(___, number = ___)

Upravit a spustit kód