Масштабування ознак

Згадайте з відео, що ознаки 'Intl_Calls' та 'Night_Mins' мають різні шкали:

feature scaling

У цій вправі ваше завдання — перемасштабувати їх за допомогою StandardScaler.

У вашому робочому середовищі датафрейм telco відфільтровано так, щоб містив лише потрібні для масштабування ознаки: 'Intl_Calls' і 'Night_Mins'. Щоб застосувати StandardScaler, спершу створіть його екземпляр за допомогою StandardScaler(), а потім застосуйте метод fit_transform(), передавши датафрейм, який потрібно масштабувати. Це можна зробити в один рядок коду:

StandardScaler().fit_transform(df)

Ця вправа є частиною курсу

Маркетингова аналітика: прогнозування відтоку клієнтів у Python

Переглянути курс

Інструкції до вправи

Масштабуйте telco, використовуючи StandardScaler() і .fit_transform().
Виведіть підсумкову статистику telco_scaled_df за допомогою .describe().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import StandardScaler
from sklearn.preprocessing import StandardScaler

# Scale telco using StandardScaler
telco_scaled = ____

# Add column names back for readability
telco_scaled_df = pd.DataFrame(telco_scaled, columns=["Intl_Calls", "Night_Mins"])

# Print summary statistics
print(____)

Редагувати та запускати код