Filter für Fehlwertquote anwenden

Jetzt, da du die Fehlwertquoten berechnet hast, kannst du mit einem Schwellwert einen Filter erstellen. In dieser Übung wählen wir einen beliebigen, aber sinnvollen Schwellwert für die Fehlwertquote und wenden ihn auf alle Spalten an. In der Praxis denkst du kritisch darüber nach und passt den Schwellwert für jedes Feature an.

Das missing_vals_df, das die in der letzten Übung berechneten Quoten enthält, und der Datensatz house_sales_df stehen dir zur Verfügung. Das Paket tidyverse wurde ebenfalls für dich geladen.

Diese Übung ist Teil des Kurses

Dimensionsreduktion in R

Kurs anzeigen

Anleitung zur Übung

Verwende missing_vals_df und einen Schwellwert von 0.5, um einen Filter für die Fehlwertquote zu erstellen, und speichere ihn in missing_vals_filter.
Wende missing_vals_df auf house_sales_df an, um dessen Dimensionalität zu reduzieren, und speichere den neuen Data Frame in filtered_house_sales_df.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create the missing values filter
___ <- ___ %>% 
  ___(___ <= ___) %>% 
  ___(___)

# Apply the missing values filter
filtered_house_sales_df <- ___ %>% 
  ___(___)

# Display the first five rows of data
___ %>% ___(___)

Code bearbeiten und ausführen