शुरू करेंमुफ़्त में शुरू करें

स्टैंडर्ड स्केलिंग

स्टैंडर्ड स्केलिंग संख्यात्मक फीचर्स को इस तरह रूपांतरित करता है कि उनका mean 0 और variance 1 हो. इस अभ्यास में, आप sklearn के StandardScaler() का उपयोग करके स्टैंडर्ड स्केलिंग करेंगे. पहले, आप केवल उन्हीं कॉलम्स का चयन करेंगे जिन पर स्केलिंग लगानी है. इसके लिए आप संख्यात्मक कॉलम्स को फ़िल्टर करने के साथ-साथ कॉलम्स के बारे में थोड़ी जानकारी का उपयोग करेंगे. यह फ़िल्टरिंग पहले से दी गई है और नियमित अभिव्यक्तियों (regular expressions) के माध्यम से की जाएगी, जो आंशिक स्ट्रिंग मैच की अनुमति देती हैं. इसके बाद आप संबंधित कॉलम्स को रूपांतरित करने के लिए fit_transform() का उपयोग करेंगे.

आपके वर्कस्पेस में pandas मॉड्यूल pd के रूप में उपलब्ध है और सैंपल DataFrame df के रूप में लोड है. अतिरिक्त रूप से, hour कॉलम पहले से datetime में बदला हुआ है, और sklearn.preprocessing से StandardScaler उपलब्ध है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Machine Learning के साथ CTR प्रेडिक्शन

पाठ्यक्रम देखें

अभ्यास निर्देश

  • .select_dtypes() का उपयोग करके संख्यात्मक कॉलम्स चुनिए और दिए गए filter_cols को फ़िल्टर कीजिए.
  • पहले StandardScaler() बनाकर और फिर .fit_transform() का उपयोग करके संबंधित कॉलम्स पर स्टैंडर्ड स्केलिंग लगाइए.
  • नए रूपांतरित कॉलम्स का variance .var() से प्रिंट कीजिए.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Get non-categorical columns, with a filter
num_df = df.____(include=['int', 'float'])
filter_cols = ['click', 'banner_pos', 'device_type',
               'search_engine_type', 'product_type', 'advertiser_type']
new_df = num_df[num_df.columns[~num_df.columns.____(filter_cols)]]
num_cols = new_df.____

# Transform columns using StandardScaler
scaler = ____()
df[num_cols] = scaler.____(df[____])

# Print mean and variance of transformed columns
print(df[num_cols].mean())
print(df[num_cols].____)
कोड संपादित करें और चलाएँ