Создание рецепта для пропущенных значений

В предыдущих упражнениях вы вручную вычислили долю пропущенных значений и создали фильтр для снижения размерности набора данных house_sales_df. Пакет tidymodels содержит шаг рецепта, который выполняет эту фильтрацию автоматически, — step_filter_missing(). Преимущество подхода tidymodels состоит в том, что рецепт можно повторно применять к другим наборам данных, а также упрощает перенос решения в производственную среду. В этом упражнении вы воспользуетесь функцией step_filter_missing(), чтобы снизить размерность house_sales_df на основе пропущенных значений.

Пакеты tidyverse и tidymodels уже загружены.

Это упражнение является частью курса

Снижение размерности в R

Посмотреть курс

Инструкции к упражнению

С помощью recipe() создайте фильтр пропущенных значений с порогом 0,5.
Примените missing_vals_recipe к набору данных house_sales_df.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Create missing values recipe
missing_vals_recipe <- 
  ___(___ ~ ., data = ___) %>% 
  ___(___(), ___ = ___) %>% 
  prep()
  
# Apply recipe to data
___ <- 
  ___(___, ___ = ___)

# Display the first five rows of data
___ %>% ___(___)

Редактировать и запускать код