Schalen II

Je gaat nu een scaler toepassen op de gegevensset, die voor je beschikbaar is als environment.

Onthoud dat schalen het algoritme helpt sneller te convergeren en voorkomt dat één dominante feature de uitkomsten te veel beïnvloedt.

Deze oefening maakt deel uit van de cursus

IoT-gegevens analyseren in Python

Bekijk cursus

Oefeninstructies

Initialiseer een StandardScaler en sla deze op als sc.
Fit de scaler op environment.
Schaal environment en sla het resultaat op als environ_scaled.
Zet de geschaalde data terug om naar een DataFrame, met dezelfde kolommen en index als de oorspronkelijke DataFrame.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# 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)

Code bewerken en uitvoeren