Normalizace proměnných

Teď přichází poslední krok přípravy dat. Transformuješ dataset wholesale_boxcox bez zešikmení tak, aby všechny sloupce měly průměr nula a směrodatnou odchylku 1 – jinými slovy, převedeš je na stejnou škálu. K tomu použiješ funkci StandardScaler z modulu sklearn.preprocessing.

Dataset wholesale_coxbox bez zešikmení, který jsi transformoval/a v předchozím cvičení, je načtený jako DataFrame knihovny pandas. Instance StandardScaler() je inicializovaná jako scaler.

Toto cvičení je součástí kurzu

Machine Learning for Marketing in Python

Zobrazit kurz

Pokyny k cvičení

Natrénuj inicializovanou instanci scaler na datasetu transformovaném metodou Box-Cox.
Transformuj dataset a výsledek ulož jako wholesale_scaled.
Vytvoř DataFrame knihovny pandas ze škálovaného datasetu.
Vypiš průměr a směrodatnou odchylku pro všechny sloupce.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Fit the initialized `scaler` instance on the Box-Cox transformed dataset
scaler.___(wholesale_boxcox)

# Transform and store the scaled dataset as `wholesale_scaled`
wholesale_scaled = scaler.___(wholesale_boxcox)

# Create a `pandas` DataFrame from the scaled dataset
wholesale_scaled_df = pd.DataFrame(data=___,
                                       index=wholesale_boxcox.___,
                                       columns=wholesale_boxcox.columns)

# Print the mean and standard deviation for all columns
print(wholesale_scaled_df.agg(['___','std']).round())

Upravit a spustit kód