Padronização por Z-score
No último exercício, você calculou o Z-score para lidar com outliers. Em uma entrevista de Machine Learning, outra pergunta pode ser: onde mais os Z-scores são usados? Eles são usados com frequência para escalar seus dados antes de criar um modelo.
Neste exercício, você vai usar uma função de sklearn.preprocessing, apresentada na videoaula, para padronizar as colunas numéricas do conjunto de dados loan_data. Lembre-se de que isso escala os dados para terem média 0 e desvio padrão 1.
O módulo sklearn.preprocessing já foi importado para você.
Visão geral do pipeline:
Este exercício faz parte do curso
Praticando perguntas de entrevista de Machine Learning em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Subset features
numeric_cols = ____.____(include=[____.____])
categoric_cols = ____.____(include=[____])