应用缺失值占比筛选器

既然您已经计算了缺失值占比，现在可以使用缺失值阈值来创建一个筛选器。本练习中，我们将选择一个任意但合理的缺失值占比阈值，并将其应用到所有列。在真实场景中，您需要更审慎地思考，并为每个特征自定义阈值。

您在上一个练习中计算得到的包含占比的 missing_vals_df，以及 house_sales_df 数据框，都已为您准备好。tidyverse 包也已为您加载。

本练习是课程的一部分

R 中的降维

查看课程

练习说明

使用 missing_vals_df 和 0.5 的阈值创建缺失值占比筛选器，并存入 missing_vals_filter。
将 missing_vals_df 应用于 house_sales_df 以降低其维度，并将新数据框存入 filtered_house_sales_df。

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 the missing values filter
___ <- ___ %>% 
  ___(___ <= ___) %>% 
  ___(___)

# Apply the missing values filter
filtered_house_sales_df <- ___ %>% 
  ___(___)

# Display the first five rows of data
___ %>% ___(___)

编辑并运行代码