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.
To ćwiczenie jest częścią kursu
Redukcja wymiarowości w R
Instrukcje do ćwiczenia
- Użyj funkcji
recipe(), aby utworzyć filtr brakujących wartości z progiem równym 0,5. - Zastosuj
missing_vals_recipedo zbioruhouse_sales_df.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create missing values recipe
missing_vals_recipe <-
___(___ ~ ., data = ___) %>%
___(___(), ___ = ___) %>%
prep()
# Apply recipe to data
___ <-
___(___, ___ = ___)
# Display the first five rows of data
___ %>% ___(___)