欠損値フィルターを作成する
ゼロ分散フィルターは、情報量の少ない特徴の一部しか除去できません。欠損値が多いことで、ほとんど情報を含まない特徴もあります。この演習では、欠損値フィルターを作成します。ここでは極端な方法として、1つでも欠損がある特徴はすべて削除します。つまり、有益な情報を含む特徴も削除される可能性があります。
house_sales_df はコンソールで利用可能で、tidyverse 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
演習の手順
summarize()、across()、sum()、is.na()を使って、欠損値が0件以上ある特徴を削除するための欠損値フィルターを作成し、na_filterに保存してください。
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。
# Create a missing values filter
___ <- ___ %>%
___(across(everything(), ~ ___)) %>%
pivot_longer(everything(), names_to = "feature", values_to = "NA_count") %>%
___(___ > ___) %>%
pull(feature)
na_filter