НачатьНачать бесплатно

Нормализация

Как было показано в видео, при нормализации все значения столбца линейно масштабируются в диапазон от 0 до 1: 0 соответствует минимальному значению столбца, а 1 — максимальному.
В библиотеке scikit-learn (наиболее популярной библиотеке машинного обучения для Python) для нормализации используется MinMaxScaler. (Название отражает суть: масштабирование выполняется между минимальным и максимальным значением.)

Это упражнение является частью курса

Конструирование признаков для машинного обучения в Python

Посмотреть курс

Инструкции к упражнению

  • Импортируйте MinMaxScaler из модуля preprocessing библиотеки sklearn.
  • Создайте экземпляр MinMaxScaler() и сохраните его в переменную MM_scaler.
  • Обучите MinMaxScaler на столбце Age набора данных so_numeric_df.
  • Преобразуйте тот же столбец с помощью обученного масштабировщика.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import MinMaxScaler
____

# Instantiate MinMaxScaler
MM_scaler = ____()

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

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

# Compare the origional and transformed column
print(so_numeric_df[['Age_MM', 'Age']].head())
Редактировать и запускать код