Separowanie cen domów za pomocą PCA
PCA i t-SNE to obie techniki ekstrakcji cech, jednak PCA potrafi uchwycić jedynie liniową strukturę danych. W tym ćwiczeniu stworzysz wykres PCA dla pełnego zbioru house_sales_df, aby porównać jego wynik z wynikiem t-SNE.
Pamiętaj, że price jest zmienną docelową w house_sales_df. Przed dopasowaniem PCA do danych należy ją usunąć.
Pakiety tidyverse i ggfortify zostały już załadowane.
To ćwiczenie jest częścią kursu
Redukcja wymiarowości w R
Instrukcje do ćwiczenia
- Dopasuj PCA do predyktorów zbioru
house_sales_df. - Użyj
autoplot(), aby wyświetlić dwie pierwsze składowe główne i zakodować cenę za pomocą koloru.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Fit PCA to only the predictors
pca <- ___(___ %>% select(-___))
# Plot PCA and color code the target variable
___(___, data = ___, colour = "___", alpha = 0.7) +
scale_color_gradient(low="gray", high="blue")