创建缺失值过滤器
零方差过滤器只能去除一部分低信息特征。特征也可能因为缺失值数量多而几乎不含信息。在本练习中，您将创建一个缺失值过滤器。我们将采用激进做法，删除任何包含至少 1 个缺失值的特征，这意味着您可能会移除信息量较大的特征。
house_sales_df 已在控制台提供，且已为您加载 tidyverse 包。
本练习是课程的一部分
R 中的降维
练习说明
- 使用
summarize()、across()、sum()和is.na()创建一个缺失值过滤器，以移除存在 0 个或更多缺失值的特征，并将其存入na_filter。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create a missing values filter
___ <- ___ %>%
___(across(everything(), ~ ___)) %>%
pivot_longer(everything(), names_to = "feature", values_to = "NA_count") %>%
___(___ > ___) %>%
pull(feature)
na_filter