การ Normalization และ Standardization
การปรับสเกลของ feature ช่วยให้แน่ใจว่าไม่มี feature ใดมีอิทธิพลเหนือ feature อื่นในระหว่างการสร้างโมเดล Normalization และ Standardization เป็นเทคนิคการปรับสเกลที่นิยมใช้กันอย่างแพร่หลาย Normalization จะปรับสเกล feature ให้อยู่ในช่วง [0, 1] เพื่อให้แต่ละ feature มีสเกลใกล้เคียงกัน ส่วน Standardization จะแปลงข้อมูลให้มีค่าเฉลี่ยเป็นศูนย์และความแปรปรวนเป็นหนึ่ง ซึ่งช่วยรักษาข้อมูลเกี่ยวกับ outlier ได้ดีกว่าและไม่จำกัดขอบเขตของค่า matplotlib.pyplot ถูก import มาในชื่อ plt, MinMaxScaler และ StandardScaler ถูก import มาแล้ว รวมถึงข้อมูล feature ของโรคหัวใจที่แบ่งแล้วถูก import มาเป็น X_train และ X_test
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning แบบ End-to-End
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Show the initial distribution of 'age'
age = ____
plt.figure(figsize=(10,5))
plt.hist(____, bins=30, alpha=0.5, label='Original')
plt.legend(prop={'size': 16})
plt.title('Histogram with Original Age');
plt.xlabel('Age'); plt.ylabel('Count');
plt.show()