Scaling II
Ora applicherai uno scaler all’insieme di dati, disponibile come environment.
Ricorda che lo scaling aiuta l’algoritmo a convergere più rapidamente ed evita che una singola feature dominante influenzi pesantemente i risultati.
Questo esercizio fa parte del corso
Analizzare i dati IoT in Python
Istruzioni dell'esercizio
- Inizializza un
StandardScalere salvalo comesc. - Adatta lo scaler a
environment. - Esegui lo scaling di
environmente salva il risultato comeenviron_scaled. - Converti i dati scalati nuovamente in un DataFrame, usando le stesse colonne e lo stesso indice del DataFrame originale.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)