Skapa ett recept för saknade värden

I de tidigare övningarna beräknade du manuellt andelen saknade värden och skapade ett filter för att minska dimensionaliteten hos house_sales_df. Paketet tidymodels innehåller ett receptsteg som tillämpar ett sådant filter automatiskt – step_filter_missing(). Fördelen med tidymodels-metoden är att du kan återanvända receptet på andra datamängder och att övergången till en produktionsmiljö förenklas. I den här övningen använder du step_filter_missing() för att utföra dimensionalitetsreduktion av house_sales_df baserat på saknade värden.

Paketen tidyverse och tidymodels har redan laddats åt dig.

Den här övningen är en del av kursen

Dimensionsreduktion i R

Visa kurs

Övningsinstruktioner

Använd recipe() för att skapa ett filter för saknade värden med ett tröskelvärde på 0,5.
Tillämpa missing_vals_recipe på house_sales_df.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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

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

Redigera och kör kod