標準化

正規化能把欄位縮放到兩個界線之間，但如果其中一個欄位深受離群值影響，兩個已縮放的欄位就很難比較。常見的解法是「標準化」：不再設定嚴格的上下界，而是把資料以平均數為中心，並計算每個資料點距離平均數有多少個標準差。

本練習屬於課程

Feature Engineering for Machine Learning in Python

練習說明

從 sklearn 的 preprocessing 模組匯入 StandardScaler。
將 StandardScaler() 具現化為 SS_scaler。
在 so_numeric_df 的 Age 欄位上擬合 StandardScaler。
使用剛剛擬合好的 scaler 轉換同一個欄位。

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。

# Import StandardScaler
____

# Instantiate StandardScaler
SS_scaler = ____()

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

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

# Compare the origional and transformed column
print(so_numeric_df[['Age_SS', 'Age']].head())

編輯並執行程式碼