Escalonamento II

Agora você vai aplicar um scaler ao conjunto de dados, disponível como environment.

Lembre-se de que o escalonamento ajuda o algoritmo a convergir mais rápido e evita que uma única feature dominante influencie excessivamente os resultados.

Este exercício faz parte do curso

Analisando Dados de IoT em Python

Ver curso

Instruções do exercício

Inicialize um StandardScaler e armazene-o como sc.
Faça o ajuste (fit) do scaler em environment.
Escalone environment e salve o resultado como environ_scaled.
Converta os dados escalonados de volta para um DataFrame, usando as mesmas colunas e o mesmo índice do DataFrame original.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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)

Editar e executar o código