PCA în tidymodels

Din perspectiva construirii modelelor, PCA îți permite să creezi modele cu mai puține caracteristici, păstrând totuși cea mai mare parte a informațiilor din datele originale. Cu toate acestea, după cum ai văzut, un dezavantaj al PCA este dificultatea de a interpreta modelul. În acest exercițiu, vei construi un model de regresie liniară folosind un subset al datelor despre vânzările de locuințe. Variabila țintă este price.

Un model construit direct din date, fără extragerea componentelor principale, are un RMSE de 236.461,4 USD. Vei aplica PCA cu tidymodels și vei compara noul RMSE. Ține minte: cu cât RMSE-ul este mai mic, cu atât mai bine.

Pachetele tidyverse și tidymodels au fost deja încărcate pentru tine.

Acest exercițiu face parte din cursul

Reducerea dimensionalității în R

Vezi cursul

Instrucțiuni pentru exercițiu

Construiește o rețetă PCA folosind train pentru a extrage cinci componente principale.
Antrenează un workflow cu o specificație implicită de model linear_reg().
Creează un cadru de date cu predicțiile pentru setul test, care să conțină valorile reale și cele prezise.
Calculează RMSE-ul pentru modelul de regresie liniară redus prin PCA.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Build a PCA recipe
pca_recipe <- ___(___ ~ ___ , data = ___) %>% 
  ___(___()) %>% 
  ___(___(), num_comp = ___) 

# Fit a workflow with a default linear_reg() model spec
house_sales_fit <- ___(preprocessor = ___, spec = ___()) %>% 
  ___(___)

# Create prediction df for the test set
house_sales_pred_df <- ___(___, test) %>% 
  ___(test %>% select(___))

# Calculate the RMSE
___(house_sales_pred_df, ___, .pred)

Editează și rulează codul