Масштабування частин набору даних
У попередніх відео ви застосовували QuantileTransformer до всього набору даних. У цій вправі ви попрактикуєтеся масштабувати лише частини набору даних. Причина в тому, що в наборах даних про акції є категоріальні ознаки з числовим кодуванням (day_of_week, day, month), які були б некоректно масштабовані, якби ви використали QuantileTransformer для всього набору даних.
Трансформер було імпортовано з sklearn разом із набором даних акцій apple з додатковими ознаками.
Ця вправа є частиною курсу
Виявлення аномалій у Python
Інструкції до вправи
- Створіть список, що містить п'ять числових назв стовпців у
apple. - Ініціалізуйте
QuantileTransformer, який перетворює ознаки на нормальний розподіл. - Одночасно масштабайте та збережіть п'ять стовпців у
to_scale.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Create a list of columns
to_scale = [____]
# Initialize a QuantileTransformer
qt = ____
# Scale and store simultaneously
apple.loc[____] = ____