Scaling II
現在你要對資料集套用縮放器，資料集已以 environment 提供給你。
記得，特徵縮放有助於演算法更快收斂，並避免單一主導特徵過度影響結果。
本練習屬於課程
使用 Python 分析 IoT 資料
練習說明
- 初始化一個
StandardScaler，並將其儲存為sc。 - 將縮放器 fit 到
environment。 - 對
environment進行縮放，並將結果儲存為environ_scaled。 - 將縮放後的資料轉回 DataFrame，並使用與原始 DataFrame 相同的欄與索引。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)