用 UMAP 区分房价

您已经用 PCA 和 t-SNE 对加州房屋销售数据（house_sales_df）进行了降维。现在将使用 UMAP。UMAP 的最终效果与 t-SNE 非常相似，但通常在计算上更高效；它也更注重保留全局结构。在实践中，这意味着您可以将簇与簇之间的距离理解为相似度的度量——这是 t-SNE 难以做到的。

请记住，house_sales_df 的目标变量是 price。设置 num_comp = 2。tidyverse 和 embed 包已为您加载。

本练习是课程的一部分

R 中的降维

查看课程

练习说明

在配方中使用 step_umap() 拟合 house_sales_df 中的所有自变量，并将变换后的数据存入 umap_df。
使用 ggplot() 绘制 UMAP 维度图，将目标变量 price 映射到颜色。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Fit UMAP
set.seed(1234)
umap_df <- ___(___ ~ ., data = ___) %>% 
  ___(___()) %>% 
  ___(___(), num_comp = 2) %>% 
  prep() %>% 
  ___() 

# Plot UMAP
___ %>%  
  ___(aes(x = ___, y = ___, color = ___)) +
  ___(alpha = 0.7) +
  scale_color_gradient(low="gray", high="blue")

编辑并运行代码