शुरू करेंमुफ़्त में शुरू करें

Normalization

वीडियो में चर्चा के अनुसार, normalization में आप पूरी कॉलम को 0 और 1 के बीच लाइनियर तरीके से स्केल करते हैं, जहाँ 0 उस कॉलम के सबसे छोटे मान से और 1 सबसे बड़े मान से मेल खाता है.
scikit-learn (Python की सबसे आमतौर पर उपयोग की जाने वाली मशीन लर्निंग लाइब्रेरी) का उपयोग करते समय आप normalization लागू करने के लिए MinMaxScaler का इस्तेमाल कर सकते हैं. (इसे यह नाम इसलिए दिया गया है क्योंकि यह आपके मानों को एक न्यूनतम और अधिकतम मान के बीच स्केल करता है.)

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में मशीन लर्निंग के लिए फीचर इंजीनियरिंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sklearn के preprocessing मॉड्यूल से MinMaxScaler इम्पोर्ट करें.
  • MinMaxScaler() को MM_scaler के रूप में instantiate करें.
  • so_numeric_df की Age कॉलम पर MinMaxScaler को fit करें.
  • अभी फिट किए गए scaler से उसी कॉलम को transform करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import MinMaxScaler
____

# Instantiate MinMaxScaler
MM_scaler = ____()

# Fit MM_scaler to the data
____.____(so_numeric_df[['Age']])

# Transform the data using the fitted scaler
so_numeric_df['Age_MM'] = ____.____(so_numeric_df[['Age']])

# Compare the origional and transformed column
print(so_numeric_df[['Age_MM', 'Age']].head())
कोड संपादित करें और चलाएँ