การทำ Z-score Standardization
ในแบบฝึกหัดที่แล้ว คุณได้คำนวณ Z-score เพื่อจัดการกับค่าผิดปกติ (outliers) ในการสัมภาษณ์ด้าน Machine Learning อาจมีคำถามเพิ่มเติมว่า Z-score ถูกนำไปใช้ในบริบทใดอีกบ้าง คำตอบคือ Z-score มักถูกใช้สำหรับการ scaling ข้อมูลก่อนสร้างโมเดล
ในแบบฝึกหัดนี้ จะใช้ฟังก์ชันจาก sklearn.preprocessing ที่แนะนำไปในบทเรียนวิดีโอ เพื่อทำการ standardize คอลัมน์ฟีเจอร์ตัวเลขในชุดข้อมูล loan_data โดยการ scaling นี้จะทำให้ข้อมูลมีค่าเฉลี่ยเท่ากับ 0 และค่าเบี่ยงเบนมาตรฐานเท่ากับ 1
โมดูล sklearn.preprocessing ได้ถูก import ไว้ให้แล้ว
ภาพรวม Pipeline:
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ฝึกตอบคำถามสัมภาษณ์ Machine Learning ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Subset features
numeric_cols = ____.____(include=[____.____])
categoric_cols = ____.____(include=[____])