Standaryzacja z użyciem Z-score
W poprzednim ćwiczeniu obliczyłeś Z-score w celu wykrycia wartości odstających. Na rozmowie kwalifikacyjnej z uczenia maszynowego może paść pytanie o inne zastosowania Z-score. Często wykorzystuje się go do skalowania danych przed budową modelu.
W tym ćwiczeniu użyjesz funkcji z modułu sklearn.preprocessing, przedstawionej w lekcji wideo, aby standaryzować kolumny numeryczne w zbiorze danych loan_data. Pamiętaj, że skalowanie to doprowadza dane do średniej równej 0 i odchylenia standardowego równego 1.
Moduł sklearn.preprocessing został już zaimportowany.
Momentalna migawka potoku:
To ćwiczenie jest częścią kursu
Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Subset features
numeric_cols = ____.____(include=[____.____])
categoric_cols = ____.____(include=[____])