Bắt đầu ngayBắt đầu miễn phí

Chuẩn hóa (Normalization)

Như đã đề cập trong video, với normalization, bạn co giãn tuyến tính toàn bộ cột dữ liệu về khoảng từ 0 đến 1, trong đó 0 ứng với giá trị nhỏ nhất của cột và 1 ứng với giá trị lớn nhất.
Khi dùng scikit-learn (thư viện machine learning phổ biến nhất trong Python), bạn có thể dùng MinMaxScaler để áp dụng normalization. (Tên gọi này xuất phát từ việc nó co giãn các giá trị của bạn về giữa giá trị nhỏ nhất và lớn nhất.)

Bài tập này là một phần của khóa học

Feature Engineering cho Machine Learning bằng Python

Xem khóa học

Hướng dẫn bài tập

  • Import MinMaxScaler từ module preprocessing của sklearn.
  • Khởi tạo MinMaxScaler() và gán vào MM_scaler.
  • Fit MinMaxScaler trên cột Age của so_numeric_df.
  • Transform cùng cột đó bằng scaler bạn vừa fit.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Import MinMaxScaler
____

# Instantiate MinMaxScaler
MM_scaler = ____()

# Fit MM_scaler to the data
____.____(so_numeric_df[['Age']])

# Transform the data using the fitted scaler
so_numeric_df['Age_MM'] = ____.____(so_numeric_df[['Age']])

# Compare the origional and transformed column
print(so_numeric_df[['Age_MM', 'Age']].head())
Chỉnh sửa và Chạy Mã