Skalowanie danych do regresji lasso
Przed dopasowaniem modelu regresji lasso warto przeskalować dane, tak aby wszystkie cechy były porównywalne. Pełny zbiór danych dotyczących sprzedaży domów w hrabstwie King w Kalifornii jest dostępny w house_sales_df.
W tym ćwiczeniu przeskalujesz zmienną docelową price osobno, zanim podzielisz dane na zbiór treningowy i testowy. Wynika to ze sposobu działania przepisów (ang. recipes) w tidymodels – transformacje zmiennej docelowej nie są uwzględniane w przepisie.
Pakiety tidyverse i tidymodels zostały już załadowane.
To ćwiczenie jest częścią kursu
Redukcja wymiarowości w R
Instrukcje do ćwiczenia
- Przeskaluj zmienną docelową
pricewhouse_sales_dfza pomocąscale(). - Utwórz zbiór treningowy i testowy, przeznaczając 80% danych na zbiór treningowy.
- Utwórz przepis (ang. recipe) na podstawie danych treningowych, aby przeskalować wszystkie numeryczne predyktory.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Scale the target variable
house_sales_df <- ___ %>%
mutate(price = as.vector(___(___)))
# Create the training and testing sets
split <- ___(___, prop = ___)
train <- ___ %>% ___()
test <- ___ %>% ___()
# Create recipe to scale the predictors
lasso_recipe <-
___(___ ~ ., data = ___) %>%
___(___())