Kategorien encodieren und numerische Variablen skalieren

In diesem letzten Schritt führst du One-Hot-Encoding für die kategorialen Variablen durch und skalierst anschließend die numerischen Spalten. Die Bibliothek pandas wurde bereits als pd geladen, ebenso das Modul StandardScaler aus dem Modul sklearn.preprocessing.

Der Rohdatensatz zum Telekommunikations-Churn telco_raw wurde als pandas DataFrame geladen, ebenso die Listen custid, target, categorical und numerical mit Spaltennamen, die du in der vorherigen Aufgabe erstellt hast. Du kannst dich im Konsolenfenster mit dem Datensatz vertraut machen, indem du ihn dort erkundest.

Diese Übung ist Teil des Kurses

<Kurs>Machine Learning für Marketing mit Python</Kurs>

Kurs ansehen

Übungsanweisungen

Führe One-Hot-Encoding für die kategorialen Variablen durch.
Initialisiere eine StandardScaler-Instanz.
Fitte und transformiere den scaler auf den numerischen Spalten.
Erstelle ein DataFrame aus scaled_numerical.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Perform one-hot encoding to categorical variables 
telco_raw = pd.get_dummies(data = ___, columns = categorical, drop_first=True)

# Initialize StandardScaler instance
scaler = ___()

# Fit and transform the scaler on numerical columns
scaled_numerical = ___.fit_transform(telco_raw[___])

# Build a DataFrame from scaled_numerical
scaled_numerical = pd.DataFrame(___, columns=numerical)

Code bearbeiten und ausführen