Skapa ett recept för låg varians

Paketet tidymodels erbjuder ett bättre sätt att filtrera särdrag med noll- eller nära-noll-varians med funktionerna step_zv() respektive step_nzv(). Dessa receptsteg identifierar särdrag med låg varians genom att undersöka antalet unika värden och kvoten mellan frekvensen av de vanligaste värdena i varje särdrag. Det här tillvägagångssättet är mer robust än den enkla varianströskel vi använde tidigare.

Du kommer även att använda receptsteget step_scale() för att normalisera särdragsvariansen. Det är alltid en bra idé att normalisera data så att varianserna mellan särdrag blir jämförbara.

house_sales_df finns tillgänglig för dig att använda. Målvariabeln är price. Paketen tidyverse och tidymodels har också laddats in.

Den här övningen är en del av kursen

Dimensionsreduktion i R

Visa kurs

Övningsinstruktioner

Definiera ett recept för ett lågvariansfilter och förbered det med house_sales_df.
Applicera receptet på house_sales_df och lagra den filtrerade datan i filtered_house_sales_df.
Visa de särdrag som receptet filtrerade bort i steget step_nzv().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Prepare recipe
low_variance_recipe <- recipe(___ ~ ___, ___ = ___) %>% 
  step_zv(___) %>% 
  ___(___) %>% 
  ___(___) %>% 
  prep()

# Apply recipe
filtered_house_sales_df <- ___(___, new_data = ___)

# View list of features removed by the near-zero variance step 
tidy(___, number = ___)

Redigera och kör kod