분산 기준으로 선택하기

R에서의 차원 축소

Matt Pickard

Owner, Pickard Predictives, LLC

비스케일 데이터의 분산

스케일링하지 않은 신용 데이터의 평균 플롯(표준편차 오차막대 포함)

스케일된 데이터의 분산

스케일된 신용 데이터의 평균 플롯(표준편차 오차막대 포함)

스케일 분산 계산

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   
 ...

분산 임계값

분산 출력

분산 임계값

첫 번째 가능 임계값을 보여주는 분산 출력

분산 임계값

첫 번째 가능 임계값을 보여주는 분산 출력

분산 임계값

첫 번째 가능 임계값을 보여주는 분산 출력

분산 임계값 플롯

분산 필터 생성

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"

tidymodels 접근법

레시피 생성

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

  step_zv(all_predictors()) %>%

  step_scale(all_numeric_predictors()) %>%

  step_nzv(all_predictors()) %>%

  prep()

레시피 적용

filtered_credit_df <- bake(low_variance_recipe, new_data = NULL)

특정 단계의 효과 살펴보기

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

연습해 봅시다!

R에서의 차원 축소