BaşlayınÜcretsiz başlayın

Standart ölçekleme

Standart ölçekleme, sayısal özellikleri ortalaması 0 ve varyansı 1 olacak şekilde dönüştürür. Bu egzersizde, sklearn içindeki StandardScaler() ile standart ölçekleme yapacaksın. Önce, ölçekleme uygulanacak ilgili sütunları seçeceksin; bunun için sayısal sütunları filtrelemeyi ve sütun bilgilerini birlikte kullanacaksın. Bu filtreleme, kısmi dize eşleşmelerine izin veren düzenli ifadeler (regex) aracılığıyla zaten sağlanmıştır. Ardından, ilgili sütunları dönüştürmek için fit_transform() kullanacaksın.

Çalışma alanında pandas modülü pd olarak mevcut ve örnek DataFrame df olarak yüklü. Ayrıca, hour sütunu zaten bir datetime türüne dönüştürülmüş durumda ve sklearn.preprocessing içinden StandardScaler kullanılabilir.

Bu egzersiz, kursun bir parçasıdır

Python ile Machine Learning kullanarak TOB tahmini

Kursa Göz Atın

Egzersiz talimatları

  • Sayısal sütunları seç ve verilen filter_cols listesini .select_dtypes() kullanarak filtrele.
  • Önce bir StandardScaler() oluşturup ardından .fit_transform() kullanarak ilgili sütunlara standart ölçekleme uygula.
  • Yeni dönüştürülmüş sütunların varyansını .var() kullanarak yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Get non-categorical columns, with a filter
num_df = df.____(include=['int', 'float'])
filter_cols = ['click', 'banner_pos', 'device_type',
               'search_engine_type', 'product_type', 'advertiser_type']
new_df = num_df[num_df.columns[~num_df.columns.____(filter_cols)]]
num_cols = new_df.____

# Transform columns using StandardScaler
scaler = ____()
df[num_cols] = scaler.____(df[____])

# Print mean and variance of transformed columns
print(df[num_cols].mean())
print(df[num_cols].____)
Kodu Düzenle ve Çalıştır