De tidymodels-pakketten bieden een betere manier om features met geen of bijna geen variantie te filteren met respectievelijk de functies step_zv() en step_nzv(). Deze receptstappen identificeren low-variance-features door te kijken naar het aantal unieke waarden en de verhouding van de frequentie van de meest voorkomende waarden in elke feature. Deze aanpak is robuuster dan de simpele variantiegrens die we eerder gebruikten.

Daarnaast gebruik je de receptstap step_scale() om de variantie van de features te normaliseren. Onthoud dat het altijd een goed idee is om de data te normaliseren zodat varianties over features heen vergelijkbaar zijn.

De house_sales_df is beschikbaar om te gebruiken. De doelvariabele is price. De pakketten tidyverse en tidymodels zijn ook alvast voor je geladen.

Selecteren op basis van correlatie met andere features

Create Your Free Account