Normalisera variablerna
Nu är det dags för det sista steget i dataförberedelsen. Du ska transformera den snedfördelade datamängden wholesale_boxcox så att alla kolumner får samma skala – med ett medelvärde på noll och en standardavvikelse på 1. Du använder funktionen StandardScaler från modulen sklearn.preprocessing.
Den transformerade datamängden wholesale_coxbox från föregående övning har importerats som en pandas DataFrame. Instansen StandardScaler() har initierats som scaler.
Den här övningen är en del av kursen
Maskininlärning för marknadsföring i Python
Övningsinstruktioner
- Anpassa den initierade
scaler-instansen på den Box-Cox-transformerade datamängden. - Transformera och lagra den skalade datamängden som
wholesale_scaled. - Skapa en
pandasDataFrame från den skalade datamängden. - Skriv ut medelvärdet och standardavvikelsen för alla kolumner.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Fit the initialized `scaler` instance on the Box-Cox transformed dataset
scaler.___(wholesale_boxcox)
# Transform and store the scaled dataset as `wholesale_scaled`
wholesale_scaled = scaler.___(wholesale_boxcox)
# Create a `pandas` DataFrame from the scaled dataset
wholesale_scaled_df = pd.DataFrame(data=___,
index=wholesale_boxcox.___,
columns=wholesale_boxcox.columns)
# Print the mean and standard deviation for all columns
print(wholesale_scaled_df.agg(['___','std']).round())