Normalización

Como se comentó en el vídeo, en la normalización escalas linealmente toda la columna entre 0 y 1, donde 0 corresponde al valor más bajo de la columna y 1 al más alto.
Cuando usas scikit-learn (la biblioteca de Machine Learning más común en Python) puedes aplicar la normalización con un MinMaxScaler. (Se llama así porque escala tus valores entre un valor mínimo y máximo.)

Este ejercicio forma parte del curso

Ingeniería de características para Machine Learning en Python

Ver curso

Instrucciones del ejercicio

Importa MinMaxScaler del módulo preprocessing de sklearn.
Instancia MinMaxScaler() como MM_scaler.
Ajusta el MinMaxScaler sobre la columna Age de so_numeric_df.
Transforma esa misma columna con el scaler que acabas de ajustar.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import MinMaxScaler
____

# Instantiate MinMaxScaler
MM_scaler = ____()

# Fit MM_scaler to the data
____.____(so_numeric_df[['Age']])

# Transform the data using the fitted scaler
so_numeric_df['Age_MM'] = ____.____(so_numeric_df[['Age']])

# Compare the origional and transformed column
print(so_numeric_df[['Age_MM', 'Age']].head())

Editar y ejecutar código