Séparer les prix des maisons avec l'ACP
L'ACP et t-SNE sont deux techniques d'extraction de caractéristiques, mais l'ACP ne peut capter que la structure linéaire des données. Dans cet exercice, vous allez créer un graphique d'ACP pour l'ensemble du house_sales_df afin de comparer son résultat avec la sortie de t-SNE.
Rappelez-vous que price est la variable cible dans house_sales_df. Il est important de l'enlever avant d'ajuster l'ACP aux données.
Les packages tidyverse et ggfortify ont été chargés pour vous.
Cette activité fait partie du cours
Réduction de dimension en R
Instructions de l’exercice
- Ajustez une ACP sur les prédicteurs de
house_sales_df. - Utilisez
autoplot()pour tracer les deux premières CP et encoder le prix en couleur.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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")