Tworzenie filtra wskaźnika brakujących wartości

Ramka danych house_sales_df zawiera zmienną docelową price oraz różne predyktory opisujące poszczególne domy i wpływające na ich ceny sprzedaży. Kilka cech ma zmienną liczbę brakujących wartości. Jeśli wskaźnik brakujących wartości jest zbyt wysoki, cecha nie będzie zbyt użyteczna przy przewidywaniu ceny domu. Takie cechy można usunąć. W tym ćwiczeniu obliczysz wskaźnik brakujących wartości dla każdej kolumny. Pomoże ci to dobrać odpowiedni próg dla poszczególnych kolumn.

Pakiet tidyverse został już wczytany.

To ćwiczenie jest częścią kursu

Redukcja wymiarowości w R

Zobacz kurs

Instrukcje do ćwiczenia

Zapisz całkowitą liczbę wierszy w house_sales_df do zmiennej n.
Oblicz wskaźniki brakujących wartości dla każdej kolumny w house_sales_df i zapisz je w missing_vals_df.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Calculate total rows
___ <-  ___(___)

# Calculate missing value ratios
___ <- ___ %>% 
  ___(___(___(), ~ ___(___(.)))) %>% 
  pivot_longer(everything(), names_to = "feature", values_to = "num_missing_values") %>% 
  mutate(missing_val_ratio = ___ / ___)

# Display missing value ratios
missing_vals_df

Edytuj i uruchom kod