スケーリング II

ここでは、environment として用意されているデータセットにスケーラーを適用します。

スケーリングを行うことで、アルゴリズムの収束が速くなり、1つの特徴量が結果に過度な影響を与えるのを防げることを思い出しましょう。

この演習はコースの一部です

Python による IoT データの分析

コースを見る

演習の手順

StandardScaler を初期化し、sc として格納します。
スケーラーを environment にフィットさせます。
environment をスケーリングし、その結果を environ_scaled として格納します。
スケーリングしたデータを、元の DataFrame と同じ列とインデックスを使って DataFrame に変換し直します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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)

コードを編集して実行