Trainingsdaten lazy transformieren

Die Vorverarbeitung deiner Eingabevariablen ist ein entscheidender Schritt im Machine Learning und verbessert oft die Genauigkeit des Modells. In den letzten Übungen wurden die Spotify-Daten für dich vorverarbeitet, aber es ist wichtig, dass du weißt, wie du das selbst machst.

In dieser Übung verwendest du das StandardScaler()-Objekt, das die Spalten eines Arrays so transformiert, dass sie einen Mittelwert von null und eine Standardabweichung von eins haben.

Das Dask-DataFrame mit Spotify-Songs steht dir in deiner Umgebung als dask_df zur Verfügung. Es enthält sowohl die Zielvariable mit den Popularitätswerten als auch die Eingabevariablen, die du zur Vorhersage dieser Werte verwendet hast.

Diese Übung ist Teil des Kurses

Parallele Programmierung mit Dask in Python

Kurs anzeigen

Anleitung zur Übung

Importiere die Klasse StandardScaler() aus dask_ml.preprocessing.
Wähle die Spalte 'popularity' aus dem DataFrame und weise sie der Variable y zu.
Erstelle ein StandardScaler-Objekt und passe es an die X-Daten an.
Verwende den Scaler, um X zu transformieren.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import the StandardScaler class
from ____ import ____

X = dask_df[['duration_ms', 'explicit', 'danceability', 'acousticness', 'instrumentalness', 'tempo']]

# Select the target variable
y = ____

# Create a StandardScaler object and fit it on X
scaler = ____
scaler.____(____)

# Transform X
X = scaler.____
print(X)

Code bearbeiten und ausführen