標準化縮放
標準化縮放會把數值型特徵轉換為平均數為 0、變異數為 1。在本練習中，你會使用 sklearn 的 StandardScaler() 進行標準化縮放。首先，你會只選出需要縮放的欄位，方法是結合對數值欄位的篩選與對欄位名稱的既有認識。這段篩選程式碼已經提供，會透過正規表示式來完成，能進行部分字串比對。接著你會使用 fit_transform() 來轉換相關欄位。
pandas 模組已在工作環境中以 pd 提供，範例 DataFrame 已載入為 df。另外，hour 欄位已轉換為 datetime，且可使用 sklearn.preprocessing 中的 StandardScaler。
本練習屬於課程
用 Python 透過機器學習預測 CTR
練習說明
- 使用
.select_dtypes()選出數值欄位，並用它來篩選給定的filter_cols。 - 先建立
StandardScaler()，再用.fit_transform()對相關欄位套用標準化縮放。 - 使用
.var()列印新轉換欄位的變異數。
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。
# Get non-categorical columns, with a filter
num_df = df.____(include=['int', 'float'])
filter_cols = ['click', 'banner_pos', 'device_type',
'search_engine_type', 'product_type', 'advertiser_type']
new_df = num_df[num_df.columns[~num_df.columns.____(filter_cols)]]
num_cols = new_df.____
# Transform columns using StandardScaler
scaler = ____()
df[num_cols] = scaler.____(df[____])
# Print mean and variance of transformed columns
print(df[num_cols].mean())
print(df[num_cols].____)