Feature-Skalierung

Erinnere dich aus dem Video an die unterschiedlichen Skalen der Features 'Intl_Calls' und 'Night_Mins':

feature scaling

Deine Aufgabe in dieser Übung ist es, sie mit StandardScaler neu zu skalieren.

In deiner Arbeitsumgebung wurde das telco DataFrame so gefiltert, dass nur die Features enthalten sind, die du skalieren möchtest: 'Intl_Calls' und 'Night_Mins'. Um StandardScaler anzuwenden, musst du ihn zuerst mit StandardScaler() instanziieren und dann die Methode fit_transform() anwenden, wobei du das DataFrame übergibst, das du skalieren möchtest. Das geht in einer einzigen Codezeile:

StandardScaler().fit_transform(df)

Diese Übung ist Teil des Kurses

<Kurs>Marketing Analytics: Kundenabwanderung in Python vorhersagen</Kurs>

Kurs ansehen

Übungsanweisungen

Skaliere telco mit StandardScaler() und .fit_transform().
Gib die zusammenfassenden Statistiken von telco_scaled_df mit .describe() aus.

Interaktive praktische Übung

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

# 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(____)

Code bearbeiten und ausführen