Scaling II
이제 environment로 제공된 데이터셋에 스케일러를 적용해 보겠습니다.
스케일링은 알고리즘의 수렴 속도를 높이고, 특정 특성이 결과에 과도하게 영향을 미치는 것을 막아 준다는 점을 기억하세요.
이 연습은 강의의 일부입니다
Python으로 IoT 데이터 분석하기
연습 안내
StandardScaler를 초기화해sc에 저장하세요.- 스케일러를
environment에 맞춰 학습(fit)하세요. environment를 스케일링하고 결과를environ_scaled로 저장하세요.- 스케일된 데이터를 원래 DataFrame과 같은 columns와 index를 사용해 다시 DataFrame으로 변환하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)