Skala data för lasso-regression

För att förbereda en lasso-regressionsmodell är det viktigt att skala data så att alla särdrag är jämförbara med varandra. Den fullständiga datamängden med husförsäljningar i King County, Kalifornien finns tillgänglig i house_sales_df.

I den här övningen skalar du målvariabeln price separat innan du delar upp data i tränings- och testmängder. Det beror på hur recept i tidymodels fungerar – transformationer av målvariabeln inkluderas inte i receptet.

Paketen tidyverse och tidymodels har redan laddats in åt dig.

Den här övningen är en del av kursen

Dimensionsreduktion i R

Visa kurs

Övningsinstruktioner

Skala målvariabeln price i house_sales_df med hjälp av scale().
Skapa tränings- och testmängder med 80 % av data i träningsuppsättningen.
Skapa receptet med hjälp av träningsdata för att skala alla numeriska prediktorer.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Scale the target variable
house_sales_df <-  ___ %>% 
  mutate(price = as.vector(___(___)))

# Create the training and testing sets
split <- ___(___, prop = ___)
train <- ___ %>% ___()
test <-  ___ %>% ___()

# Create recipe to scale the predictors
lasso_recipe <- 
  ___(___ ~ ., data = ___) %>% 
  ___(___())

Redigera och kör kod