aide.R

library(dplyr)
#si tu l'as pas : install.packages("dplyr")

#lecture des fichiers
data_train <- read.csv(file = "/home/cecile/Documents/R/train.csv")
data_test <- read.csv(file = "/home/cecile/Documents/R/test.csv")

#glimpse c'est juste une autre sorte de summary et le %>% si tu connais pas c'est la syntaxe du package dplyr
#c'est exactement comme ecrire glimpse(data_train) sauf que cette syntaxe ecrit sujet %>% verbe au lieu de verbe(sujet)
#c'est plus lisible et plus fashion lol
data_train %>% glimpse()
data_train %>% select_if(is.factor) %>% glimpse()
data_train %>% summary()
data_test %>% summary()

#fonction pour tester si une colonne  a moins de 200 NA
less_NA <- function(col){
  sum(is.na(col)) < 200
}

#fonction pour tester si une colonne  a plus de 200 NA
more_NA <- function(col){
  sum(is.na(col)) > 200
}

#selection que les colonne qui ont moins de 200 NA
data_train2 <- data_train %>% select_if(less_NA)
data_test2 <- data_test %>% select_if(less_NA)

mod <- lm(SalePrice ~ . , data= data_train2)#plus d'erreur

#pour voir quelles colonnes posent probleme du coup
data_train %>% select_if(more_NA) %>% names