Skalowanie wybranych części zbioru danych
W poprzednich filmach używałeś(-aś) QuantileTransformer na całym zbiorze danych. W tym ćwiczeniu przećwiczysz skalowanie tylko wybranych jego części. Powodem jest to, że zbiory danych dotyczące akcji zawierają kategoryczne cechy zakodowane numerycznie (day_of_week, day, month), które zostałyby błędnie przeskalowane, gdybyś użył(-a) QuantileTransformer na całym zbiorze.
Transformator został zaimportowany z biblioteki sklearn wraz ze zbiorem danych apple zawierającym dodatkowe cechy.
To ćwiczenie jest częścią kursu
Wykrywanie anomalii w Pythonie
Instrukcje do ćwiczenia
- Utwórz listę zawierającą nazwy pięciu numerycznych kolumn ze zbioru
apple. - Zainicjalizuj
QuantileTransformertak, aby przekształcał cechy do rozkładu normalnego. - Przeskaluj pięć kolumn wskazanych w
to_scalejednocześnie i zapisz wynik.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create a list of columns
to_scale = [____]
# Initialize a QuantileTransformer
qt = ____
# Scale and store simultaneously
apple.loc[____] = ____