Нормализация и стандартизация
Масштабирование признаков помогает гарантировать, что ни один из них не будет доминировать над остальными в процессе моделирования. Нормализация и стандартизация — широко применяемые методы масштабирования признаков. Нормализация приводит значения признаков к диапазону [0, 1], обеспечивая примерно одинаковый масштаб. Стандартизация преобразует данные так, чтобы их среднее значение равнялось нулю, а дисперсия — единице; при этом сохраняется больше информации о выбросах, и диапазон значений не ограничивается. Библиотека matplotlib.pyplot импортирована как plt, классы MinMaxScaler и StandardScaler уже импортированы, а признаки набора данных о болезнях сердца доступны в виде X_train и X_test.
Это упражнение является частью курса
Сквозное машинное обучение
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Show the initial distribution of 'age'
age = ____
plt.figure(figsize=(10,5))
plt.hist(____, bins=30, alpha=0.5, label='Original')
plt.legend(prop={'size': 16})
plt.title('Histogram with Original Age');
plt.xlabel('Age'); plt.ylabel('Count');
plt.show()