Масштабування II

Тепер ви застосуєте масштабувальник до набору даних, який доступний як environment.

Пам'ятайте: масштабування допомагає алгоритму швидше зближуватися та запобігає ситуації, коли одна домінантна ознака надмірно впливає на результати.

Ця вправа є частиною курсу

Аналіз даних IoT у Python

Переглянути курс

Інструкції до вправи

Ініціалізуйте StandardScaler і збережіть його як sc.
Навчіть масштабувальник на environment.
Масштабуйте environment і збережіть результат у environ_scaled.
Перетворіть масштабовані дані назад на DataFrame, використавши ті самі стовпці та індекс, що й у початковому DataFrame.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Initialize StandardScaler
sc = ____()

# Fit the scaler
sc.fit(____)

# Transform the data
environ_scaled = ____.____(____)

# Convert scaled data to DataFrame
environ_scaled = pd.DataFrame(____, 
                              columns=____, 
                              index=____)
print(environ_scaled.head())
plot_unscaled_scaled(environment, environ_scaled)

Редагувати та запускати код