Codifica variables categóricas y escala variables numéricas
En este último paso, vas a aplicar one-hot encoding a las variables categóricas y después escalar las columnas numéricas. La biblioteca pandas está cargada como pd, así como el módulo StandardScaler de sklearn.preprocessing.
El conjunto de datos original de churn de telecomunicaciones telco_raw se ha cargado como un DataFrame de pandas, junto con las listas custid, target, categorical y numerical con los nombres de columnas que creaste en el ejercicio anterior. Puedes familiarizarte con el conjunto de datos explorándolo en la consola.
Este ejercicio forma parte del curso
Machine Learning para marketing en Python
Instrucciones del ejercicio
- Aplica one-hot encoding a las variables categóricas.
- Inicializa una instancia de
StandardScaler. - Ajusta y transforma el
scalersobre las columnas numéricas. - Crea un DataFrame a partir de
scaled_numerical.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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)