Разделение цен на жильё с помощью PCA
PCA и t-SNE — это оба метода извлечения признаков, однако PCA способен улавливать только линейную структуру данных. В этом упражнении вы построите график PCA для полного набора данных house_sales_df, чтобы сравнить результат с выводом t-SNE.
Обратите внимание, что price — целевая переменная в house_sales_df. Перед обучением модели PCA важно исключить её из данных.
Пакеты tidyverse и ggfortify уже загружены.
Это упражнение является частью курса
Снижение размерности в R
Инструкции к упражнению
- Обучите модель PCA на предикторах набора данных
house_sales_df. - Используйте
autoplot(), чтобы отобразить первые два главных компонента, закодировав цену с помощью цвета.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Fit PCA to only the predictors
pca <- ___(___ %>% select(-___))
# Plot PCA and color code the target variable
___(___, data = ___, colour = "___", alpha = 0.7) +
scale_color_gradient(low="gray", high="blue")