縮放資料
對於使用距離為基礎衡量方式的 ML 演算法，務必要先縮放資料。否則不同量尺的特徵會扭曲結果。K-means 以歐幾里得距離評估與叢集重心的距離，因此在實作演算法前，你需要先對資料做縮放。我們先把這一步完成。
這裡提供上一題的資料框 df，已做了些基本前處理，可直接搭配 sklearn 使用。詐欺標籤已分開存於 labels，你之後可以用來檢查結果。numpy 已以 np 名稱匯入。
本練習屬於課程
Fraud Detection in Python
練習說明
- 匯入
MinMaxScaler。 - 將資料框
df僅取其值轉成 numpy 陣列X，並確保為float型別。 - 將定義好的縮放器套用到
X，取得縮放後的X_scaled，把所有特徵強制到 0-1 的尺度。
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 the scaler
from sklearn.preprocessing import ____
# Take the float values of df for X
X = df.values.astype(np.____)
# Define the scaler and apply to the data
scaler = ____()
X_scaled = scaler.____(X)