1. Lära sig
    2. /
  2. Courses
    3. /
  3. R에서의 차원 축소
Connected

exercise

tidymodels에서의 PCA

모델 구축 관점에서 PCA는 더 적은 특성으로도 원본 데이터의 대부분 정보를 담는 모델을 만들 수 있게 해줍니다. 하지만 보셨듯이, PCA의 단점은 모델 해석이 어렵다는 점입니다. 이 연습 문제에서는 주택 판매 데이터의 일부를 사용해 선형 회귀 모델을 만드는 데 집중합니다. 목표 변수는 price입니다.

주성분을 추출하지 않고 데이터에서 바로 구축한 모델의 RMSE는 $236,461.4입니다. 이제 tidymodels로 PCA를 적용하고 새로운 RMSE를 비교해 보세요. RMSE는 작을수록 더 좋다는 점을 기억하세요.

tidyverse와 tidymodels 패키지는 미리 로드되어 있습니다.

Instruktioner

100 XP
  • train을 사용해 주성분 5개를 추출하는 PCA 레시피를 만드세요.
  • 기본 linear_reg() 모델 사양으로 워크플로를 적합(fit)하세요.
  • test를 사용해 실제 값과 예측 값을 포함한 테스트 예측 데이터 프레임을 만드세요.
  • PCA로 차원 축소한 선형 회귀 모델의 RMSE를 계산하세요.