Mise à l’échelle II

Vous allez maintenant appliquer un scaler au jeu de données, disponible sous le nom environment.

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

Cet exercice fait partie du cours

Analyzing IoT Data in Python

Afficher le cours

Instructions

Initialisez un StandardScaler et stockez-le dans sc.
Ajustez le scaler sur environment.
Transformez environment et stockez 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 d’origine.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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