Škálování dat pro lasso regresi
Než začneš trénovat model lasso regrese, je důležité data škálovat, aby byly všechny příznaky vzájemně srovnatelné. Kompletní dataset prodejů nemovitostí v King County (Kalifornie) je dostupný v house_sales_df.
V tomto cvičení škáluješ cílovou proměnnou price zvlášť, ještě před rozdělením dat na trénovací a testovací sadu. Je to proto, jak fungují recepty v tidymodels — transformace cílové proměnné do receptu nezahrnujeme.
Balíčky tidyverse a tidymodels jsou už načtené.
Toto cvičení je součástí kurzu
Redukce dimenzionality v R
Pokyny k cvičení
- Škáluj cílovou proměnnou
pricevhouse_sales_dfpomocíscale(). - Rozděl data na trénovací a testovací sadu tak, aby trénovací sada obsahovala 80 % dat.
- Vytvoř recept z trénovacích dat, který škáluje všechny numerické prediktory.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Scale the target variable
house_sales_df <- ___ %>%
mutate(price = as.vector(___(___)))
# Create the training and testing sets
split <- ___(___, prop = ___)
train <- ___ %>% ___()
test <- ___ %>% ___()
# Create recipe to scale the predictors
lasso_recipe <-
___(___ ~ ., data = ___) %>%
___(___())