Skalowanie cech

Przypomnij sobie z filmu różne skale cech 'Intl_Calls' i 'Night_Mins':

feature scaling

Twoim zadaniem w tym ćwiczeniu jest przeskalowanie tych cech za pomocą StandardScaler.

W swoim środowisku pracy masz DataFrame telco zawężony tylko do cech, które chcesz przeskalować: 'Intl_Calls' i 'Night_Mins'. Aby zastosować StandardScaler, najpierw utwórz jego instancję za pomocą StandardScaler(), a następnie wywołaj metodę fit_transform(), przekazując DataFrame do przeskalowania. Możesz zrobić to w jednej linii kodu:

StandardScaler().fit_transform(df)

To ćwiczenie jest częścią kursu

Marketing Analytics: Przewidywanie rezygnacji klientów w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Przeskaluj telco przy użyciu StandardScaler() i .fit_transform().
Wyświetl statystyki podsumowujące telco_scaled_df za pomocą .describe().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import StandardScaler
from sklearn.preprocessing import StandardScaler

# Scale telco using StandardScaler
telco_scaled = ____

# Add column names back for readability
telco_scaled_df = pd.DataFrame(telco_scaled, columns=["Intl_Calls", "Night_Mins"])

# Print summary statistics
print(____)

Edytuj i uruchom kod