Crie um filtro de valores ausentes
O filtro de variância zero remove apenas algumas das features com pouca informação. As features também podem conter pouca ou nenhuma informação quando têm um número alto de valores ausentes. Neste exercício, você vai criar um filtro de valores ausentes. Vamos adotar uma abordagem extrema e remover qualquer feature com pelo menos um valor ausente, o que significa que você pode acabar removendo features com informação relevante.
house_sales_df está disponível no console e o pacote tidyverse já foi carregado para você.
Este exercício faz parte do curso
Redução de Dimensionalidade em R
Instruções do exercício
- Crie um filtro de valores ausentes usando
summarize(),across(),sum()eis.na()para remover features com zero ou mais valores ausentes e salve emna_filter.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Create a missing values filter
___ <- ___ %>%
___(across(everything(), ~ ___)) %>%
pivot_longer(everything(), names_to = "feature", values_to = "NA_count") %>%
___(___ > ___) %>%
pull(feature)
na_filter