Praticando padronização
É arriscado usar KNN às cegas em distribuições desconhecidas. O desempenho cai bastante quando as distribuições dos atributos não estão na mesma escala. Atributos sem escala adequada distorcem os cálculos de distância e, com isso, retornam escores de anomalia irreais.
Uma técnica comum para contornar isso é a padronização, que envolve subtrair a média de um atributo e dividi-lo pelo desvio padrão. Isso faz com que o atributo tenha média 0 e variância 1.
Pratique a padronização no conjunto de dados females, que já foi carregado para você.
Este exercício faz parte do curso
Detecção de Anomalias em Python
Instruções do exercício
- Crie uma instância de
StandardScaler()e armazene-a comoss. - Extraia os arrays de atributos e alvo em
Xey. O alvo é a colunaweightkg. - Ajuste o
StandardScaler()em X e transforme-o simultaneamente. - Repita o processo acima, mas preservando os nomes das colunas do DataFrame
X.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
from sklearn.preprocessing import StandardScaler
# Initialize a StandardScaler
ss = ____
# Extract feature and target arrays
X = ____
y = ____
# Fit/transform X
X_transformed = ____
# Fit/transform X but preserve the column names
X.____ = ____