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.

Urval baserat på varians

Create Your Free Account