Identificarea caracteristicilor pentru standardizare
În acest exercițiu, vei analiza varianța coloanelor din setul de date UFO pentru a determina ce caracteristici ar trebui standardizate. După ce examinezi varianța coloanelor seconds și minutes, vei observa că varianța coloanei seconds este extrem de mare. Deoarece seconds și minutes sunt corelate (o problemă pe care o vom rezolva la selectarea caracteristicilor pentru modelare), vom aplica normalizarea logaritmică coloanei seconds.
Acest exercițiu face parte din cursul
Preprocesare pentru Machine Learning în Python
Instrucțiuni pentru exercițiu
- Calculează varianța coloanelor
secondsșiminutesși analizează cu atenție rezultatele. - Aplică normalizarea logaritmică coloanei
seconds, transformând-o într-o nouă coloană numităseconds_log. - Afișează varianța coloanei
seconds_log.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Check the variance of the seconds and minutes columns
print(____)
# Log normalize the seconds column
ufo["seconds_log"] = ____
# Print out the variance of just the seconds_log column
print(____)