正規化變數
現在進入資料前處理的最後一步。你將把未偏態的資料集 wholesale_boxcox 轉換到相同尺度，也就是讓所有欄位的平均數為 0、標準差為 1。你會使用 sklearn.preprocessing 模組中的 StandardScaler。
你在前一題已轉換完成的未偏態資料集 wholesale_coxbox 已以 pandas DataFrame 匯入。此外，StandardScaler() 實例已初始化為 scaler。
本練習屬於課程
Python 的行銷機器學習
練習說明
- 在經過 Box-Cox 轉換的資料集上，對已初始化的
scaler進行 fit。 - 轉換並將縮放後的資料集儲存為
wholesale_scaled。 - 以縮放後的資料集建立一個
pandasDataFrame。 - 列印所有欄位的平均數與標準差。
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。
# Fit the initialized `scaler` instance on the Box-Cox transformed dataset
scaler.___(wholesale_boxcox)
# Transform and store the scaled dataset as `wholesale_scaled`
wholesale_scaled = scaler.___(wholesale_boxcox)
# Create a `pandas` DataFrame from the scaled dataset
wholesale_scaled_df = pd.DataFrame(data=___,
index=wholesale_boxcox.___,
columns=wholesale_boxcox.columns)
# Print the mean and standard deviation for all columns
print(wholesale_scaled_df.agg(['___','std']).round())