Mise à l'échelle II

Vous allez maintenant appliquer un mécanisme de mise à l'échelle au jeu de données, accessible sous le nom environment.

Rappelez-vous que la mise à l'échelle aide l'algorithme à converger plus rapidement et évite qu'une variable dominante n'influence fortement les résultats.

Cette activité fait partie du cours

Analyse de données IoT avec Python

Voir le cours

Instructions de l’exercice

Initialisez un StandardScaler et enregistrez-le dans sc.
Ajustez le mécanisme sur environment.
Transformez environment et enregistrez le résultat dans environ_scaled.
Convertissez les données mises à l'échelle en DataFrame, en utilisant les mêmes colonnes et le même index que le DataFrame original.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Initialize StandardScaler
sc = ____()

# Fit the scaler
sc.fit(____)

# Transform the data
environ_scaled = ____.____(____)

# Convert scaled data to DataFrame
environ_scaled = pd.DataFrame(____, 
                              columns=____, 
                              index=____)
print(environ_scaled.head())
plot_unscaled_scaled(environment, environ_scaled)

Modifier et exécuter le code