Memisahkan harga rumah dengan PCA

PCA dan t-SNE sama-sama merupakan teknik ekstraksi fitur, tetapi PCA hanya dapat menangkap struktur linear dari data. Pada latihan ini, Anda akan membuat plot PCA dari house_sales_df lengkap agar dapat membandingkan hasilnya dengan keluaran t-SNE.

Ingat bahwa price adalah variabel target di house_sales_df. Penting untuk menghapusnya sebelum menyesuaikan PCA pada data.

Paket tidyverse dan ggfortify telah dimuat untuk Anda.

Latihan ini adalah bagian dari kursus

Reduksi Dimensi di R

Lihat Kursus

Petunjuk latihan

Sesuaikan PCA pada prediktor dalam house_sales_df.
Gunakan autoplot() untuk memplot dua PC pertama dan enkode price dalam warna.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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")

Edit dan Jalankan Kode