Mise à l'échelle des variables

Rappelez-vous de la vidéo les échelles différentes des variables « 'IntlCalls' » et « 'NightMins' » :

feature scaling

Votre tâche dans cet exercice est de les remettre à l'échelle à l'aide de StandardScaler.

Dans votre espace de travail, le DataFrame telco a été filtré pour ne conserver que les variables à remettre à l'échelle : « 'IntlCalls' » et « 'NightMins' ». Pour appliquer StandardScaler, vous devez d'abord l'instancier avec StandardScaler(), puis appliquer la méthode fit_transform() en lui passant le DataFrame à remettre à l'échelle. Vous pouvez le faire en une seule ligne de code :

StandardScaler().fit_transform(df)

Cette activité fait partie du cours

Analytique marketing : prédire l'attrition de la clientèle avec Python

Voir le cours

Instructions de l’exercice

Mettez telco à l'échelle avec StandardScaler() et .fit_transform().
Affichez les statistiques sommaires de telco_scaled_df en utilisant .describe().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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(____)

Modifier et exécuter le code