用 PCA 区分房价
PCA 和 t-SNE 都是特征提取技术，但 PCA 只能捕捉数据的线性结构。本练习中，您将对完整的 house_sales_df 生成 PCA 图，以便将其结果与 t-SNE 的输出进行比较。
请记住，house_sales_df 中的目标变量是 price。在对数据拟合 PCA 之前，务必将其移除。
tidyverse 和 ggfortify 包已为您加载。
本练习是课程的一部分
R 中的降维
练习说明
- 对
house_sales_df的自变量拟合 PCA。 - 使用
autoplot()绘制前两个主成分，并用颜色编码 price。
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 PCA to only the predictors
pca <- ___(___ %>% select(-___))
# Plot PCA and color code the target variable
___(___, data = ___, colour = "___", alpha = 0.7) +
scale_color_gradient(low="gray", high="blue")