Tworzenie przepisu do obsługi brakujących wartości

W poprzednich ćwiczeniach ręcznie obliczono współczynnik brakujących wartości i utworzono filtr redukujący wymiarowość zbioru house_sales_df. Pakiet tidymodels zawiera krok przepisu, który automatyzuje ten proces — step_filter_missing(). Podejście oparte na tidymodels pozwala ponownie wykorzystać przepis na innych zbiorach danych i ułatwia przeniesienie modelu do środowiska produkcyjnego. W tym ćwiczeniu użyjesz funkcji step_filter_missing(), aby przeprowadzić redukcję wymiarowości zbioru house_sales_df na podstawie brakujących wartości.

Pakiety tidyverse i tidymodels zostały już wczytane.

Użyj funkcji recipe(), aby utworzyć filtr brakujących wartości z progiem równym 0,5.
Zastosuj missing_vals_recipe do zbioru house_sales_df.

ćwiczenie

Tworzenie przepisu do obsługi brakujących wartości

Instrukcje

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje

ćwiczenie