표준화
정규화는 한 열의 값을 두 지점 사이로 스케일링할 때 유용하지만, 열 중 하나라도 이상치의 영향을 크게 받으면 서로 스케일된 두 열을 비교하기가 어렵습니다. 이를 해결하는 일반적인 방법이 표준화입니다. 표준화는 엄격한 상한과 하한을 두는 대신 데이터를 평균을 중심으로 재배치하고, 각 데이터 포인트가 평균에서 표준편차 몇 배만큼 떨어져 있는지를 계산해요.
이 연습은 강의의 일부입니다
Python으로 배우는 Machine Learning 특성 공학
연습 안내
sklearn의preprocessing모듈에서StandardScaler를 임포트하세요.StandardScaler()를SS_scaler로 인스턴스화하세요.so_numeric_df의Age열에StandardScaler를 맞추세요(fit).- 방금 맞춘 스케일러로 같은 열을 변환하세요(transform).
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import StandardScaler
____
# Instantiate StandardScaler
SS_scaler = ____()
# Fit SS_scaler to the data
____.____(so_numeric_df[['Age']])
# Transform the data using the fitted scaler
so_numeric_df['Age_SS'] = ____.____(so_numeric_df[['Age']])
# Compare the origional and transformed column
print(so_numeric_df[['Age_SS', 'Age']].head())