Škálování příznaků

Z videa si určitě pamatuješ, jak se liší rozsahy příznaků 'Intl_Calls' a 'Night_Mins':

feature scaling

V tomto cvičení je přeškáluješ pomocí StandardScaler.

DataFrame telco byl v pracovním prostředí zúžen pouze na příznaky, které chceš přeškálovat: 'Intl_Calls' a 'Night_Mins'. Pro použití StandardScaler nejprve vytvoř jeho instanci pomocí StandardScaler() a pak zavolej metodu fit_transform(), které předáš DataFrame k přeškálování. Celé to zvládneš na jediném řádku:

StandardScaler().fit_transform(df)

Toto cvičení je součástí kurzu

Marketing Analytics: Predicting Customer Churn in Python

Zobrazit kurz

Pokyny k cvičení

Přeškáluj telco pomocí StandardScaler() a .fit_transform().
Vypiš souhrnné statistiky telco_scaled_df pomocí .describe().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import StandardScaler
from sklearn.preprocessing import StandardScaler

# Scale telco using StandardScaler
telco_scaled = ____

# Add column names back for readability
telco_scaled_df = pd.DataFrame(telco_scaled, columns=["Intl_Calls", "Night_Mins"])

# Print summary statistics
print(____)

Upravit a spustit kód