Масштабирование II

Теперь вы применим масштабирование к набору данных, который доступен вам как environment.

Помните, что масштабирование помогает алгоритму быстрее сходиться и не даёт одному доминирующему признаку чрезмерно влиять на результаты.

Это упражнение является частью курса

Анализ данных Интернета вещей на Python

Посмотреть курс

Инструкции к упражнению

Инициализируйте StandardScaler и сохраните его как sc.
Обучите масштабировщик на данных environment.
Масштабируйте environment и сохраните результат как environ_scaled.
Преобразуйте масштабированные данные обратно в DataFrame, используя те же столбцы и индекс, что и в исходном DataFrame.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)

Редактировать и запускать код