Z-score-standardisering
I den förra övningen beräknade du Z-score för att hantera avvikande värden. I en maskininlärningsintervju kan en följdfråga vara var Z-score används mer. De används ofta för att skala data innan en modell skapas.
I den här övningen använder du en funktion från sklearn.preprocessing som introducerades i videolektionen för att standardisera de numeriska särdragskolumnerna i datamängden loan_data. Kom ihåg att detta skalar datan så att den får medelvärdet 0 och standardavvikelsen 1.
Modulen sklearn.preprocessing har redan importerats åt dig.
Pipeline-snapshot:
Den här övningen är en del av kursen
Öva på maskininlärningsintervjufrågor i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Subset features
numeric_cols = ____.____(include=[____.____])
categoric_cols = ____.____(include=[____])