J'ai un jeu de données pour prédire le prix de vente des maisons. J'ai effectué une analyse PCA sur la variable continue sans modifier ni nettoyer les données. L'analyse a suggéré que 26 composants sur 31 componnet expliquent 96% de la variabilité.
J'ai donc enregistré les valeurs de ces 26 composants. J'ai également créé la colonne LotFrontage mise à jour car la façade de lot comportait de nombreuses valeurs manquantes. J'essaie maintenant d'exécuter une analyse prédictive (Neural, K-Mean) en choisissant les 26 composants enregistrés et toutes les variables qualitatives restantes. Facteur X et prix de vente en tant que Y .
Je veux avoir un R-carré plus élevé et un RMSE plus bas pour les données d'entraînement par rapport aux données d'alidation.
Existe-t-il un meilleur moyen de nettoyer ces données?
