Padronização

Embora a normalização seja útil para escalar uma coluna entre dois pontos de dados, é difícil comparar duas colunas escaladas se ao menos uma delas for muito afetada por outliers. Uma solução comum para isso é a padronização, em que, em vez de definir limites inferior e superior rígidos, você centraliza os dados na média e calcula quantos desvios padrão cada ponto de dados está distante da média.

Este exercício faz parte do curso

Feature Engineering for Machine Learning in Python

Ver curso

Instruções do exercício

Importe StandardScaler do módulo preprocessing do sklearn.
Instancie StandardScaler() como SS_scaler.
Faça o ajuste (fit) do StandardScaler na coluna Age de so_numeric_df.
Transforme a mesma coluna com o scaler que você acabou de ajustar.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Import StandardScaler
____

# Instantiate StandardScaler
SS_scaler = ____()

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

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

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

Editar e executar o código