Créer un filtre basé sur le ratio de valeurs manquantes
Le tableau de données house_sales_df contient une variable cible price et divers prédicteurs qui décrivent chaque maison et influencent son prix de vente. Plusieurs caractéristiques comportent un nombre variable de valeurs manquantes. Si le ratio de valeurs manquantes est trop élevé, la caractéristique sera peu informative pour prédire le prix de la maison. Ces caractéristiques peuvent être retirées. Dans cet exercice, vous allez calculer le ratio de valeurs manquantes pour chaque colonne. Cela vous aidera à déterminer un seuil approprié pour chaque colonne.
Le paquet tidyverse a été chargé pour vous.
Cette activité fait partie du cours
Réduction de dimension en R
Instructions de l’exercice
- Enregistrez le nombre total de lignes de
house_sales_dfdansn. - Calculez les ratios de valeurs manquantes pour chaque colonne de
house_sales_dfet stockez-les dansmissing_vals_df.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Calculate total rows
___ <- ___(___)
# Calculate missing value ratios
___ <- ___ %>%
___(___(___(), ~ ___(___(.)))) %>%
pivot_longer(everything(), names_to = "feature", values_to = "num_missing_values") %>%
mutate(missing_val_ratio = ___ / ___)
# Display missing value ratios
missing_vals_df