Pachetul tidymodels oferă o modalitate mai bună de a filtra caracteristicile cu varianță zero sau aproape zero, prin funcțiile step_zv() și, respectiv, step_nzv(). Acești pași de rețetă identifică caracteristicile cu varianță redusă examinând numărul de valori unice și raportul dintre frecvența celor mai comune valori din fiecare caracteristică. Această abordare este mai robustă decât pragul simplu de varianță folosit anterior.

În plus, vei folosi pasul de rețetă step_scale() pentru a normaliza varianța caracteristicilor. Ține minte că este întotdeauna o idee bună să normalizezi datele, astfel încât varianțele să fie comparabile între caracteristici.

Setul de date house_sales_df este disponibil pentru a fi utilizat. Variabila țintă este price. Pachetele tidyverse și tidymodels au fost deja încărcate.

Selecție bazată pe varianță

Create Your Free Account