UMAP で住宅価格を分離する

あなたは PCA と t-SNE を使って、California の住宅販売データ（house_sales_df）の次元削減を行いました。次は UMAP を使います。UMAP の最終的な出力は t-SNE と非常によく似ていますが、UMAP のほうが計算効率が高い傾向があります。また、より大域的な構造を保持しようとします。実務的には、クラスタ間の距離を類似度の尺度として解釈できるということを意味します——これは t-SNE ではできなかったことです。

house_sales_df の目的変数は price であることを思い出してください。num_comp = 2 を設定します。tidyverse と embed パッケージは読み込まれています。