Separar precios de viviendas con PCA
PCA y t-SNE son técnicas de extracción de características, pero PCA solo puede capturar la estructura lineal de los datos. En este ejercicio, crearás un gráfico de PCA del house_sales_df completo para que puedas comparar su resultado con la salida de t-SNE.
Recuerda que price es la variable objetivo en house_sales_df. Es importante eliminarla antes de ajustar PCA a los datos.
Los paquetes tidyverse y ggfortify ya se han cargado por ti.
Este ejercicio forma parte del curso
Reducción de la dimensionalidad en R
Instrucciones del ejercicio
- Ajusta un PCA a los predictores de
house_sales_df. - Usa
autoplot()para representar las dos primeras CP y codificar el precio en el color.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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")