Normalisation et standardisation
Le redimensionnement des variables explicatives (feature scaling) permet d'éviter qu'une caractéristique ne domine les autres pendant la modélisation. La normalisation et la standardisation sont des techniques de redimensionnement largement utilisées. La normalisation met généralement les valeurs dans l'intervalle [0, 1], ce qui leur donne à peu près la même échelle. La standardisation transforme les données pour avoir une moyenne nulle et une variance unitaire, ce qui préserve mieux l'information sur les valeurs aberrantes et ne borne pas l'intervalle. matplotlib.pyplot a été importé sous le nom plt, MinMaxScaler et StandardScaler ont été importés, et les variables explicatives des données sur les maladies cardiaques scindées ont été importées sous les noms X_train et X_test.
Cette activité fait partie du cours
Apprentissage Machine de bout en bout
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Show the initial distribution of 'age'
age = ____
plt.figure(figsize=(10,5))
plt.hist(____, bins=30, alpha=0.5, label='Original')
plt.legend(prop={'size': 16})
plt.title('Histogram with Original Age');
plt.xlabel('Age'); plt.ylabel('Count');
plt.show()