Crea un filtro per i valori mancanti
Il filtro a varianza zero rimuove solo alcune delle feature a bassa informazione. Le feature possono contenere poca o nessuna informazione anche perché hanno un alto numero di valori mancanti. In questo esercizio creerai un filtro per i valori mancanti. Adotterai un approccio estremo e rimuoverai qualsiasi feature con almeno un valore mancante, il che significa che potresti eliminare feature con informazioni importanti.
house_sales_df è disponibile nella console e il pacchetto tidyverse è già stato caricato per te.
Questo esercizio fa parte del corso
Riduzione della dimensionalità in R
Istruzioni dell'esercizio
- Crea un filtro per i valori mancanti usando
summarize(),across(),sum()eis.na()per rimuovere le feature con zero o più valori mancanti e salvalo inna_filter.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Create a missing values filter
___ <- ___ %>%
___(across(everything(), ~ ___)) %>%
pivot_longer(everything(), names_to = "feature", values_to = "NA_count") %>%
___(___ > ___) %>%
pull(feature)
na_filter