Selecteren op variantie

Dimensionality Reduction in R

Matt Pickard

Owner, Pickard Predictives, LLC

Variantie van ongeschaalde data

gemiddeldenplot met standaarddeviatiefoutenbalken voor ongeschaalde creditdata

Variantie van geschaalde data

gemiddeldenplot met standaarddeviatiefoutenbalken voor geschaalde creditdata

Geschaalde varianties berekenen

credit_variances <- credit_df %>% 
  summarize(across(everything(), ~ var(scale(., center = FALSE)), na.rm = TRUE)) %>%

  pivot_longer(everything(), names_to = "feature", values_to = "variance") %>%

  arrange(desc(variance)) 

credit_variances

# A tibble: 17 × 2
   feature                  variance
   <chr>                       <dbl>
 1 num_of_loan               0.996  
 2 num_of_delayed_payment    0.986   
 ...

Variantie-drempel

output van varianties

Variantie-drempel

output van varianties met eerste mogelijke drempel

Variantie-drempel

output van varianties met eerste mogelijke drempel

Variantie-drempel

output van varianties met eerste mogelijke drempel

Plot met variantie-drempel

Variantie-filter maken

low_var_filter <- credit_variances %>% 
  filter(variance < 0.1) %>% 
  pull(feature)

low_var_filter

[1] "credit_history_months"    "age"                     
[3] "num_credit_inquiries"     "credit_utilization_ratio"
[5] "num_credit_card"

De tidymodels-aanpak

Maak het recept

low_variance_recipe <- recipe(credit_score ~ ., data = credit_df) %>%

  step_zv(all_predictors()) %>%

  step_scale(all_numeric_predictors()) %>%

  step_nzv(all_predictors()) %>%

  prep()

Pas het recept toe

filtered_credit_df <- bake(low_variance_recipe, new_data = NULL)

Effect van een specifieke stap onderzoeken

low_variance_recipe <- recipe(credit_score ~ ., data = credit_df) %>% 
  step_zv(all_predictors()) %>% 
  step_scale(all_numeric_predictors()) %>% 
  step_nzv(all_predictors()) %>% 
  prep() 


tidy(low_variance_recipe, number = 3)

  terms                id       
  <chr>                <chr>    
1 num_credit_card      nzv_ni8L7
2 num_credit_inquiries nzv_ni8L7

Laten we oefenen!

Dimensionality Reduction in R