Mise à l’échelle des variables

Rappelez-vous, d’après la vidéo, les échelles différentes des variables 'Intl_Calls' et 'Night_Mins' :

feature scaling

Votre objectif dans cet exercice est de les remettre à la même échelle à l’aide de StandardScaler.

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

StandardScaler().fit_transform(df)

Cet exercice fait partie du cours

Marketing Analytics : prédire l’attrition client en Python

Afficher le cours

Instructions

Mettez telco à l’échelle avec StandardScaler() et .fit_transform().
Affichez les statistiques descriptives de telco_scaled_df avec .describe().

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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