Skalowanie II

Teraz zastosujesz skaler do zbioru danych dostępnego jako environment.

Pamiętaj, że skalowanie pomaga algorytmowi szybciej zbiegać i zapobiega sytuacji, w której jedna dominująca cecha nadmiernie wpływa na wyniki.

To ćwiczenie jest częścią kursu

Analiza danych IoT w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zainicjalizuj StandardScaler i zapisz go jako sc.
Dopasuj skaler do environment.
Przeskaluj environment i zapisz wynik jako environ_scaled.
Przekonwertuj przeskalowane dane z powrotem do DataFrame, używając tych samych kolumn i indeksu co oryginalny DataFrame.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)

Edytuj i uruchom kod