시작하기무료로 시작하기

정규화

영상에서 설명했듯이, 정규화는 한 열의 값을 선형적으로 0과 1 사이로 스케일링하는 방법이에요. 이때 0은 해당 열의 최솟값, 1은 최댓값에 해당해요.
Python에서 가장 널리 쓰이는 Machine Learning 라이브러리인 scikit-learn을 사용할 때는 MinMaxScaler로 정규화를 적용할 수 있어요. (이 이름은 값들을 지정된 최소값과 최대값 사이로 스케일링한다는 의미에서 붙었습니다.)

이 연습은 강의의 일부입니다

Python으로 배우는 Machine Learning 특성 공학

강의 보기

연습 안내

  • sklearn의 preprocessing 모듈에서 MinMaxScaler를 임포트하세요.
  • MinMaxScaler()를 MM_scaler로 인스턴스화하세요.
  • so_numeric_df의 Age 열에 MinMaxScaler를 적합(fit)하세요.
  • 방금 적합한 스케일러로 같은 열을 변환(transform)하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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())
코드 편집 및 실행