经常,对于高维的数据集,降维的第一步,就是删除那些包含相同信息的变量,就是变量取值很多相同的或者改变了的方差很小。
想删除第一步,就是,先问为什么?
当然是模型不接受你这种的变量,好比如回归分析,把很多值相同的变量作为自变量,对于模型的拟合效果有影响。
那么,要删,当然先找到哪些属于稀疏变量。
nearZeroVar为caret包中函数的两个参数就是理论。
1.uniqueCut:是不同取值数目和样本量的比值,freqCut:是最常见的取值频数和第二常见的取值频数之间的比值
该函数返回的结果是:数据集中稀疏变量所在的各列。
同样可以通过单变量可视化来判断,进而剔除。