為 lasso 迴歸縮放資料
在擬合 lasso 迴歸模型前，先進行縮放能讓所有特徵彼此之間具有可比性，這點很重要。完整的加州 King County 房屋銷售資料已提供在 house_sales_df。
在本練習中，你會在切分訓練集與測試集之前，先獨立縮放目標變數 price。這是因為 tidymodels 的 recipe 運作方式所致；我們不在 recipe 中包含目標變數的轉換。
已為你載入 tidyverse 與 tidymodels 套件。
本練習屬於課程
R 的降維
練習說明
- 使用
scale()對house_sales_df中的目標變數price進行縮放。 - 建立訓練集與測試集，訓練集佔 80%。
- 使用訓練資料建立 recipe，將所有數值型解釋變數進行縮放。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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 = ___) %>%
___(___())