เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแปลงข้อมูล Training แบบ Lazy

การปรับแต่งตัวแปร input เป็นขั้นตอนสำคัญใน machine learning และมักช่วยเพิ่มความแม่นยำของโมเดลที่สร้างขึ้น ในแบบฝึกหัดก่อนหน้า ข้อมูล Spotify ถูกปรับแต่งไว้ให้แล้ว แต่สิ่งสำคัญคือต้องรู้วิธีทำเองได้

ในแบบฝึกหัดนี้ จะใช้ออบเจกต์ StandardScaler() เพื่อแปลงคอลัมน์ของอาร์เรย์ให้มีค่าเฉลี่ยเป็นศูนย์และส่วนเบี่ยงเบนมาตรฐานเป็นหนึ่ง

Dask DataFrame ของเพลง Spotify พร้อมใช้งานในสภาพแวดล้อมของคุณในชื่อ dask_df ซึ่งประกอบด้วยทั้งคะแนนความนิยม (target) และตัวแปร input ที่ใช้ในการทำนายคะแนนเหล่านั้น

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Parallel Programming with Dask in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import คลาส StandardScaler() จาก dask_ml.preprocessing
  • เลือกคอลัมน์ 'popularity' จาก DataFrame และกำหนดให้กับตัวแปร y
  • สร้างออบเจกต์ StandardScaler และ fit กับข้อมูล X
  • ใช้ scaler แปลงข้อมูล X

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import the StandardScaler class
from ____ import ____

X = dask_df[['duration_ms', 'explicit', 'danceability', 'acousticness', 'instrumentalness', 'tempo']]

# Select the target variable
y = ____

# Create a StandardScaler object and fit it on X
scaler = ____
scaler.____(____)

# Transform X
X = scaler.____
print(X)
แก้ไขและรันโค้ด