Separando preços de casas com PCA

PCA e t-SNE são ambas técnicas de extração de características, mas o PCA só consegue capturar a estrutura linear dos dados. Neste exercício, você vai criar um gráfico de PCA do house_sales_df completo para poder comparar o resultado com a saída do t-SNE.

Lembre-se de que price é a variável alvo em house_sales_df. É importante removê-la antes de ajustar o PCA aos dados.

Os pacotes tidyverse e ggfortify já foram carregados para você.

Este exercício faz parte do curso

Redução de Dimensionalidade em R

Ver curso

Instruções do exercício

Ajuste um PCA aos preditores de house_sales_df.
Use autoplot() para plotar as duas primeiras PCs e codificar price na cor.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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")

Editar e executar o código