or
本练习是课程的一部分
准备好简化大型数据集吧！您将学习信息的概念、如何评估特征重要性，并练习识别低信息量特征。学完本章，您将理解特征选择与特征提取——这两类降维方法之间的区别。
当前练习
学习如何通过缺失值比例、方差和相关性来识别信息丰富与信息稀缺的特征。随后，您将了解如何构建 tidymodels 的 recipes，利用这些信息指标来进行特征选择。
第 3 章将介绍无监督与有监督特征选择方法的区别。您将回顾如何使用 tidymodels 的 workflows 来构建模型。接着，您将通过 lasso 回归与随机森林模型执行有监督特征选择。
在最后一章，您将通过理解主成分如何从不同特征中提取并组合最重要的信息，来建立对特征提取的直观认识。随后学习并应用三类特征提取方法——主成分分析（PCA）、t-SNE 和 UMAP。了解如何在 tidymodels 的建模流程中，将这些特征提取方法作为预处理步骤使用。