Skapa ett filter för andelen saknade värden
Dataramen house_sales_df innehåller en målvariabel price och en rad prediktorer som beskriver enskilda hus och påverkar deras försäljningspris. Flera av särdragen har ett varierande antal saknade värden. Om andelen saknade värden är för hög bidrar sädraget inte nämnvärt till att förutsäga husets pris – och kan då tas bort. I den här övningen beräknar du andelen saknade värden för varje kolumn, vilket hjälper dig att avgöra ett lämpligt tröskelvärde.
Paketet tidyverse är redan inläst.
Den här övningen är en del av kursen
Dimensionsreduktion i R
Övningsinstruktioner
- Spara det totala antalet rader i
house_sales_dfi variabelnn. - Beräkna andelen saknade värden för varje kolumn i
house_sales_dfoch spara resultatet imissing_vals_df.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Calculate total rows
___ <- ___(___)
# Calculate missing value ratios
___ <- ___ %>%
___(___(___(), ~ ___(___(.)))) %>%
pivot_longer(everything(), names_to = "feature", values_to = "num_missing_values") %>%
mutate(missing_val_ratio = ___ / ___)
# Display missing value ratios
missing_vals_df