Separera huspriser med PCA
PCA och t-SNE är båda metoder för särdragsextraktion, men PCA kan bara fånga den linjära strukturen i datan. I den här övningen skapar du ett PCA-diagram över hela house_sales_df, så att du kan jämföra resultatet med t-SNE-utdata.
Kom ihåg att price är målvariabeln i house_sales_df. Det är viktigt att ta bort den innan du anpassar PCA till datan.
Paketen tidyverse och ggfortify har redan laddats in åt dig.
Den här övningen är en del av kursen
Dimensionsreduktion i R
Övningsinstruktioner
- Anpassa en PCA till prediktorerna i
house_sales_df. - Använd
autoplot()för att rita de två första PC:erna och koda priset med färg.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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")