特徵縮放
回想影片中提到的兩個特徵（'IntlCalls' 與 'NightMins'）的量尺不同：
你在本練習的工作是使用 StandardScaler 重新縮放它們。
在你的工作區中，telco DataFrame 已經被篩成只包含你要重新縮放的特徵：'IntlCalls' 與 'NightMins'。要套用 StandardScaler，你需要先用 StandardScaler() 建立實例，接著呼叫 fit_transform() 方法，並傳入你想重新縮放的 DataFrame。你可以用一行程式碼完成：
StandardScaler().fit_transform(df)
本練習屬於課程
行銷分析：用 Python 預測客戶流失
練習說明
- 使用
StandardScaler()與.fit_transform()對telco進行縮放。 - 使用
.describe()列印telco_scaled_df的摘要統計。
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
from sklearn.preprocessing import StandardScaler
# Scale telco using StandardScaler
telco_scaled = ____
# Add column names back for readability
telco_scaled_df = pd.DataFrame(telco_scaled, columns=["Intl_Calls", "Night_Mins"])
# Print summary statistics
print(____)