PCA で住宅価格を分離する

PCA と t-SNE はどちらも特徴抽出の手法ですが、PCA はデータの線形構造しか捉えられません。この演習では、house_sales_df 全体の PCA プロットを作成し、t-SNE の出力と比較できるようにします。

house_sales_df における目的変数は price です。PCA を当てる前に、必ずこれを除外することが重要です。

tidyverse と ggfortify パッケージは読み込まれています。

この演習はコースの一部です

Rによる次元削減

コースを見る

演習の手順

house_sales_df の説明変数に PCA を適合させます。
autoplot() を使って最初の 2 つの主成分をプロットし、色で price を表現します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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")

コードを編集して実行