Skalning II

Nu ska du tillämpa en skalare på datamängden, som finns tillgänglig som environment.

Kom ihåg att skalning hjälper algoritmen att konvergera snabbare och förhindrar att ett enskilt särdrag dominerar och påverkar resultaten alltför mycket.

Den här övningen är en del av kursen

Analysera IoT-data i Python

Visa kurs

Övningsinstruktioner

Initiera en StandardScaler och lagra den som sc.
Anpassa skalaren till environment.
Skala environment och lagra resultatet som environ_scaled.
Konvertera den skalade datan tillbaka till en DataFrame med samma kolumner och index som den ursprungliga DataFrame:n.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)

Redigera och kör kod