ट्रेनिंग डेटा को लेज़ी ढंग से ट्रांसफॉर्म करना
इनपुट वैरिएबल्स का प्रीप्रोसेसिंग मशीन लर्निंग में एक अहम कदम है और यह अक्सर आपके बनाए मॉडल की एक्यूरेसी बेहतर करता है। पिछले कुछ अभ्यासों में आपके लिए Spotify डेटा को प्रीप्रोसेस किया गया था, लेकिन यह जानना ज़रूरी है कि आप इसे खुद कैसे करें।
इस अभ्यास में, आप StandardScaler() स्केलर ऑब्जेक्ट का उपयोग करेंगे, जो किसी एरे की कॉलम्स को इस तरह ट्रांसफॉर्म करता है कि उनका औसत (mean) शून्य हो और मानक विचलन (standard deviation) एक हो।
Spotify गानों का Dask DataFrame आपके एनवायरनमेंट में dask_df नाम से उपलब्ध है। इसमें टार्गेट popularity स्कोर और वे इनपुट वैरिएबल्स दोनों शामिल हैं जिनका उपयोग आपने इन स्कोरों की भविष्यवाणी के लिए किया था.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Dask के साथ Parallel Programming
अभ्यास निर्देश
dask_ml.preprocessingसेStandardScaler()क्लास इम्पोर्ट करें.- DataFrame से
'popularity'कॉलम चुनें और उसे वैरिएबलyको असाइन करें. - एक
StandardScalerऑब्जेक्ट बनाएँ और उसेXडेटा पर fit करें. - स्केलर का उपयोग करके
Xको ट्रांसफॉर्म करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import the StandardScaler class
from ____ import ____
X = dask_df[['duration_ms', 'explicit', 'danceability', 'acousticness', 'instrumentalness', 'tempo']]
# Select the target variable
y = ____
# Create a StandardScaler object and fit it on X
scaler = ____
scaler.____(____)
# Transform X
X = scaler.____
print(X)