Normalisation par score Z
Dans le dernier exercice, vous avez calculé le score Z pour traiter les valeurs aberrantes. En entrevue de Machine Learning, on pourrait aussi vous demander où d'autre les scores Z sont utilisés. Ils servent souvent à mettre les données à l'échelle avant de créer un modèle.
Dans cet exercice, vous allez utiliser une fonction de sklearn.preprocessing, présentée dans la vidéo, pour standardiser les colonnes numériques de caractéristiques du jeu de données loan_data. Rappelez-vous que cela met les données à l'échelle avec une moyenne de 0 et un écart type de 1.
Le module sklearn.preprocessing a déjà été importé pour vous.
Aperçu du pipeline :
Cette activité fait partie du cours
S'exercer aux questions d'entrevue en Machine Learning avec Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Subset features
numeric_cols = ____.____(include=[____.____])
categoric_cols = ____.____(include=[____])