Hauspreise mit PCA trennen

PCA und t-SNE sind beides Verfahren zur Merkmalsextraktion, aber PCA kann nur die lineare Struktur der Daten erfassen. In dieser Übung erstellst du ein PCA-Diagramm des vollständigen house_sales_df, damit du das Ergebnis mit der t-SNE-Ausgabe vergleichen kannst.

Denk daran: price ist die Zielvariable in house_sales_df. Es ist wichtig, sie zu entfernen, bevor du PCA auf die Daten anpasst.

Die Pakete tidyverse und ggfortify wurden für dich geladen.

Diese Übung ist Teil des Kurses

<Kurs>Dimensionsreduktion in R</Kurs>

Kurs ansehen

Übungsanweisungen

Passe eine PCA an die Prädiktoren von house_sales_df an.
Verwende autoplot(), um die ersten beiden PCs zu plotten und den Preis über die Farbe zu kodieren.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Fit PCA to only the predictors
pca <- ___(___ %>% select(-___))

# Plot PCA and color code the target variable
___(___, data = ___, colour = "___", alpha = 0.7) +
  scale_color_gradient(low="gray", high="blue")

Code bearbeiten und ausführen