Normalizacja

Jak omówiono w filmie, normalizacja polega na liniowym skalowaniu całej kolumny do zakresu od 0 do 1, gdzie 0 odpowiada najniższej wartości w kolumnie, a 1 – najwyższej.
W bibliotece scikit-learn (najpopularniejszej bibliotece do uczenia maszynowego w Pythonie) możesz użyć MinMaxScaler, aby zastosować normalizację. (Nazwa pochodzi stąd, że wartości są skalowane między wartością minimalną a maksymalną.)

To ćwiczenie jest częścią kursu

Inżynieria cech w uczeniu maszynowym w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj MinMaxScaler z modułu preprocessing biblioteki sklearn.
Utwórz instancję MinMaxScaler() i przypisz ją do zmiennej MM_scaler.
Dopasuj MinMaxScaler do kolumny Age ze zbioru danych so_numeric_df.
Przekształć tę samą kolumnę przy użyciu dopasowanego skalera.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import MinMaxScaler
____

# Instantiate MinMaxScaler
MM_scaler = ____()

# Fit MM_scaler to the data
____.____(so_numeric_df[['Age']])

# Transform the data using the fitted scaler
so_numeric_df['Age_MM'] = ____.____(so_numeric_df[['Age']])

# Compare the origional and transformed column
print(so_numeric_df[['Age_MM', 'Age']].head())

Edytuj i uruchom kod