Escalado de características

Recuerda del vídeo las diferentes escalas de las variables 'Intl_Calls' y 'Night_Mins':

feature scaling

Tu tarea en este ejercicio es reescalarlas usando StandardScaler.

En tu espacio de trabajo, el DataFrame telco se ha filtrado para incluir solo las variables que quieres reescalar: 'Intl_Calls' y 'Night_Mins'. Para aplicar StandardScaler, primero tienes que instanciarlo con StandardScaler() y después aplicar el método fit_transform(), pasando el DataFrame que quieres reescalar. Puedes hacerlo en una sola línea de código:

StandardScaler().fit_transform(df)

Este ejercicio forma parte del curso

Marketing Analytics: Predicción de churn de clientes en Python

Ver curso

Instrucciones del ejercicio

Escala telco usando StandardScaler() y .fit_transform().
Imprime las estadísticas resumidas de telco_scaled_df usando .describe().

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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(____)

Editar y ejecutar código