범주형 인코딩과 수치형 변수 스케일링
이 마지막 단계에서는 범주형 변수에 대해 원-핫 인코딩을 수행하고, 이어서 수치형 열을 스케일링할 거예요. pandas 라이브러리는 pd로, sklearn.preprocessing 모듈의 StandardScaler 모듈도 미리 로드되어 있어요.
원본 통신사 해지 예측 데이터셋 telco_raw는 pandas DataFrame으로, 그리고 이전 연습 문제에서 만들었던 열 이름 목록 custid, target, categorical, numerical도 함께 로드되어 있어요. 콘솔에서 탐색해 보면서 데이터셋에 익숙해지세요.
이 연습은 강의의 일부입니다
Python으로 배우는 마케팅용 Machine Learning
연습 안내
- 범주형 변수에 대해 원-핫 인코딩을 수행하세요.
StandardScaler인스턴스를 초기화하세요.- 수치형 열에 대해
scaler를 fit 및 transform 하세요. scaled_numerical로부터 DataFrame을 만드세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Perform one-hot encoding to categorical variables
telco_raw = pd.get_dummies(data = ___, columns = categorical, drop_first=True)
# Initialize StandardScaler instance
scaler = ___()
# Fit and transform the scaler on numerical columns
scaled_numerical = ___.fit_transform(telco_raw[___])
# Build a DataFrame from scaled_numerical
scaled_numerical = pd.DataFrame(___, columns=numerical)