Crie uma receita de baixa variância

Os pacotes tidymodels oferecem uma forma melhor de filtrar features com variância nula e quase nula usando as funções step_zv() e step_nzv(), respectivamente. Essas etapas da receita identificam features de baixa variância examinando o número de valores únicos e a razão entre a frequência dos valores mais comuns em cada feature. Essa abordagem é mais robusta do que o simples corte por variância que usamos anteriormente.

Além disso, você vai usar a etapa step_scale() para normalizar a variância das features. Lembre-se: é sempre uma boa prática normalizar os dados para tornar as variâncias entre as features comparáveis.

O house_sales_df está disponível para você usar. A variável alvo é price. Os pacotes tidyverse e tidymodels também já foram carregados para você.

Este exercício faz parte do curso

Redução de Dimensionalidade em R

Ver curso

Instruções do exercício

Defina uma receita para um filtro de baixa variância e prepare-a usando house_sales_df.
Aplique a receita ao house_sales_df e armazene os dados filtrados em filtered_house_sales_df.
Exiba as features que a receita filtrou na etapa step_nzv().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Prepare recipe
low_variance_recipe <- recipe(___ ~ ___, ___ = ___) %>% 
  step_zv(___) %>% 
  ___(___) %>% 
  ___(___) %>% 
  prep()

# Apply recipe
filtered_house_sales_df <- ___(___, new_data = ___)

# View list of features removed by the near-zero variance step 
tidy(___, number = ___)

Editar e executar o código