Standardizzazione con Z-score
Nell'ultimo esercizio hai calcolato lo Z-score per gestire gli outlier. In un colloquio di Machine Learning, un'altra domanda potrebbe essere: dove altro si usano gli Z-score? Spesso vengono usati per scalare i dati prima di creare un modello.
In questo esercizio userai una funzione di sklearn.preprocessing, introdotta nella lezione video, per standardizzare le colonne numeriche delle caratteristiche nel dataset loan_data. Ricorda che questo ridimensiona i dati in modo che abbiano media 0 e deviazione standard 1.
Il modulo sklearn.preprocessing è già stato importato per te.
Istante della pipeline:
Questo esercizio fa parte del corso
Esercitarsi con le domande di colloquio di Machine Learning in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Subset features
numeric_cols = ____.____(include=[____.____])
categoric_cols = ____.____(include=[____])