I pacchetti tidymodels offrono un modo migliore per filtrare le feature con varianza nulla o quasi nulla, rispettivamente con le funzioni step_zv() e step_nzv(). Questi step della recipe individuano le feature a bassa varianza esaminando il numero di valori unici e il rapporto tra la frequenza dei valori più comuni in ciascuna feature. Questo approccio è più robusto rispetto al semplice cutoff di varianza usato in precedenza.

Inoltre, userai lo step step_scale() della recipe per normalizzare la varianza delle feature. Ricorda: è sempre una buona pratica normalizzare i dati per rendere confrontabili le varianze tra le feature.

Hai a disposizione house_sales_df. La variabile target è price. I pacchetti tidyverse e tidymodels sono già stati caricati per te.

Selezionare in base alla correlazione con altre caratteristiche

Create Your Free Account