라쏘 회귀를 위한 데이터 스케일링
라쏘 회귀 모델을 적합하기 전에, 모든 피처가 서로 비교 가능하도록 데이터를 스케일링하는 것이 중요합니다. King County, California의 전체 주택 거래 데이터는 house_sales_df에 있습니다.
이번 연습에서는 데이터를 학습용과 테스트용으로 분리하기 전에 목표 변수 price를 별도로 스케일링합니다. 이는 tidymodels의 레시피 동작 방식 때문입니다. 레시피에는 목표 변수 변환을 포함하지 않습니다.
tidyverse와 tidymodels 패키지는 미리 로드되어 있습니다.
이 연습은 강의의 일부입니다
R에서의 차원 축소
연습 안내
house_sales_df에서 목표 변수price를scale()로 스케일링하세요.- 학습용 데이터에 80%가 들어가도록 학습/테스트 세트를 생성하세요.
- 학습 데이터를 사용해 모든 숫자형 예측 변수를 스케일링하는 레시피를 만드세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Scale the target variable
house_sales_df <- ___ %>%
mutate(price = as.vector(___(___)))
# Create the training and testing sets
split <- ___(___, prop = ___)
train <- ___ %>% ___()
test <- ___ %>% ___()
# Create recipe to scale the predictors
lasso_recipe <-
___(___ ~ ., data = ___) %>%
___(___())