Ho un set di dati per prevedere il prezzo di vendita per le case. Ho eseguito un'analisi PCA sulla variabile continua senza modificare o pulire i dati. L'analisi ha suggerito che 26 componenti della 31 componente spiegavano il 96% della variabilità.
Così ho salvato i valori di questi 26 componenti. Ho anche creato la colonna Aggiornato LotFrontage perché la facciata del lotto aveva un sacco di valore mancante. come ora sto cercando di eseguire un'analisi predittiva (Neurale, K-Mean) scegliendo tutti i 26 componenti salvati e tutte le restanti variabili categoriali come Fattore X e prezzo di vendita come Y .
Voglio avere un R-Square più alto e un RMSE più basso per i dati di allenamento rispetto ai dati di alidazione.
C'è un modo migliore per pulire questi dati ??
