Maak een recept voor missende waarden

In de vorige oefeningen heb je handmatig de ratio missende waarden berekend en een filter gemaakt om de dimensionaliteit van house_sales_df te verkleinen. Het tidymodels-pakket bevat een receptstap om automatisch een ratio voor missende waarden toe te passen—step_filter_missing(). Het voordeel van de tidymodels-aanpak is dat je het recept kunt hergebruiken op andere gegevenssets en dat de overgang naar een productieomgeving eenvoudiger wordt. In deze oefening gebruik je de functie step_filter_missing() om dimensionaliteitsreductie op house_sales_df uit te voeren op basis van missende waarden.

De pakketten tidyverse en tidymodels zijn al voor je geladen.

Deze oefening maakt deel uit van de cursus

Dimensionality Reduction in R

Cursus bekijken

Oefeninstructies

Gebruik recipe() om een filter voor missende waarden te maken met een drempel van 0.5.
Pas het missing_vals_recipe toe op house_sales_df.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Create missing values recipe
missing_vals_recipe <- 
  ___(___ ~ ., data = ___) %>% 
  ___(___(), ___ = ___) %>% 
  prep()
  
# Apply recipe to data
___ <- 
  ___(___, ___ = ___)

# Display the first five rows of data
___ %>% ___(___)

Code bewerken en uitvoeren