IniziaInizia gratis

Normalizzazione

Come visto nel video, con la normalizzazione si scala linearmente l’intera colonna tra 0 e 1, dove 0 corrisponde al valore più basso nella colonna e 1 al più alto.
Usando scikit-learn (la libreria di machine learning più utilizzata in Python) puoi usare un MinMaxScaler per applicare la normalizzazione. (Si chiama così perché scala i valori tra un minimo e un massimo.)

Questo esercizio fa parte del corso

Feature Engineering per il Machine Learning in Python

Visualizza il corso

Istruzioni dell'esercizio

  • Importa MinMaxScaler dal modulo preprocessing di sklearn.
  • Istanzia MinMaxScaler() come MM_scaler.
  • Esegui il fit del MinMaxScaler sulla colonna Age di so_numeric_df.
  • Trasforma la stessa colonna con lo scaler appena adattato.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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())
Modifica ed esegui il codice