การปรับสเกล II

ต่อไปจะได้ลองนำ scaler ไปใช้กับชุดข้อมูลที่เตรียมไว้ให้ในชื่อตัวแปร environment

จำไว้ว่าการปรับสเกลช่วยให้อัลกอริทึมหาค่าที่เหมาะสมได้เร็วขึ้น และป้องกันไม่ให้ฟีเจอร์ใดฟีเจอร์หนึ่งมีอิทธิพลต่อผลลัพธ์มากเกินไป

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ข้อมูล IoT ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง StandardScaler และเก็บไว้ในตัวแปร sc
Fit scaler กับข้อมูลใน environment
ปรับสเกล environment และเก็บผลลัพธ์ไว้ในตัวแปร environ_scaled
แปลงข้อมูลที่ปรับสเกลแล้วกลับเป็น DataFrame โดยใช้ columns และ index เดิมจาก DataFrame ต้นฉบับ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)

แก้ไขและรันโค้ด