Separarea prețurilor imobiliare cu UMAP

Ai redus dimensionalitatea datelor privind vânzările de locuințe din California (house_sales_df) folosind PCA și t-SNE. Acum vei aplica UMAP. Rezultatul final al UMAP este foarte similar cu cel al t-SNE, însă UMAP tinde să fie mai eficient din punct de vedere computațional. De asemenea, își propune să păstreze mai mult din structura globală a datelor. În termeni practici, acest lucru înseamnă că poți interpreta distanța dintre clustere ca o măsură a similarității — ceva ce nu era posibil cu t-SNE.

Reține că variabila țintă din house_sales_df este price. Setează num_comp = 2. Pachetele tidyverse și embed au fost deja încărcate pentru tine.

Acest exercițiu face parte din cursul

Reducerea dimensionalității în R

Vezi cursul

Instrucțiuni pentru exercițiu

Antrenează UMAP pe toți predictorii din house_sales_df folosind step_umap() într-un recipe și stochează datele transformate în umap_df.
Vizualizează dimensiunile UMAP folosind ggplot(), codificând variabila țintă price prin culoare.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Fit UMAP
set.seed(1234)
umap_df <- ___(___ ~ ., data = ___) %>% 
  ___(___()) %>% 
  ___(___(), num_comp = 2) %>% 
  prep() %>% 
  ___() 

# Plot UMAP
___ %>%  
  ___(aes(x = ___, y = ___, color = ___)) +
  ___(alpha = 0.7) +
  scale_color_gradient(low="gray", high="blue")

Editează și rulează codul