Särdrag med ömsesidig information

Dataramen credit_df innehåller ett antal kontinuerliga särdrag. När två kontinuerliga särdrag korrelerar innehåller de samma information – något som kallas ömsesidig information. Starkt korrelerade särdrag är inte bara redundanta. De kan även orsaka problem vid modellering. I regression kan till exempel starkt korrelerade särdrag (multikollinearitet) leda till missvisande resultat. För att få en uppfattning om ömsesidig information skapar du ett korrelationsdiagram för att identifiera särdrag med ömsesidig information.

Paketen tidyverse och corrr har redan laddats åt dig.

Den här övningen är en del av kursen

Dimensionsreduktion i R

Visa kurs

Övningsinstruktioner

Använd correlate() och rplot() för att skapa ett korrelationsdiagram över de numeriska särdragen i credit_df.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create a correlation plot
___ %>% 
  select(where(is.numeric)) %>% 
  ___() %>% 
  shave() %>% 
  ___(print_cor = TRUE) +
  theme(axis.text.x = element_text(angle = 90, hjust = 1))

Redigera och kör kod