Об'єднання рівнів за часткою

Часто у вас немає конкретних рівнів, які потрібно змінити на інші або об'єднати. Радше ви хочете зберегти найпоширеніші рівні, а все інше віднести до «other». Це особливо корисно для візуалізації даних, коли рівнів багато, а більшість із них рідкісні. Спробуймо це на запитанні з опитування Kaggle про те, які методи машинного навчання люди хочуть спробувати наступного року. multiple_choice_responses уже завантажено для вас. Пам'ятайте: під час підрахунку sort = TRUE за замовчуванням відповідає спадному порядку.

Ця вправа є частиною курсу

Категоріальні дані в Tidyverse

Переглянути курс

Інструкції до вправи

Приберіть респондентів, які не обрали жодного методу.
Створіть нову змінну ml_method на основі MLMethodNextYearSelect, яка зберігає назви, що мають щонайменше 5% відповідей, а решту об'єднує як «Other» (значення за замовчуванням).
Нарешті, підрахуйте значення нової змінної у спадному порядку.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

multiple_choice_responses %>%
  # Remove NAs of MLMethodNextYearSelect
  filter(___) %>%
  # Create ml_method, which lumps all those with less than 5% of people into "Other"
  mutate(ml_method = ___(MLMethodNextYearSelect, ___)) %>%
  # Count the frequency of your new variable, sorted in descending order
  ___(___, ___)

Редагувати та запускати код