เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การ Normalization

ดังที่ได้กล่าวถึงในวิดีโอ การ normalization คือการปรับสเกลค่าทั้งคอลัมน์แบบเชิงเส้น ให้อยู่ในช่วง 0 ถึง 1 โดยค่าต่ำสุดในคอลัมน์จะถูกแทนด้วย 0 และค่าสูงสุดจะถูกแทนด้วย 1
เมื่อใช้ scikit-learn (ไลบรารี machine learning ที่ได้รับความนิยมมากที่สุดใน Python) สามารถใช้ MinMaxScaler เพื่อทำ normalization ได้ (ชื่อนี้มาจากการที่มันปรับสเกลค่าให้อยู่ระหว่างค่าต่ำสุดและค่าสูงสุดที่กำหนด)

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Feature Engineering สำหรับ Machine Learning ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import MinMaxScaler จากโมดูล preprocessing ของ sklearn
  • สร้าง instance ของ MinMaxScaler() โดยตั้งชื่อว่า MM_scaler
  • Fit MinMaxScaler บนคอลัมน์ Age ของ so_numeric_df
  • Transform คอลัมน์เดียวกันด้วย scaler ที่เพิ่ง fit ไป

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import MinMaxScaler
____

# Instantiate MinMaxScaler
MM_scaler = ____()

# Fit MM_scaler to the data
____.____(so_numeric_df[['Age']])

# Transform the data using the fitted scaler
so_numeric_df['Age_MM'] = ____.____(so_numeric_df[['Age']])

# Compare the origional and transformed column
print(so_numeric_df[['Age_MM', 'Age']].head())
แก้ไขและรันโค้ด