缩放 II
现在请将缩放器应用到数据集 environment。
请记住，特征缩放可以帮助算法更快收敛，并避免某个占主导的特征对结果产生过大的影响。
本练习是课程的一部分
用 Python 分析 IoT 数据
练习说明
- 初始化一个
StandardScaler，并将其保存为sc。 - 将缩放器拟合到
environment。 - 对
environment进行缩放，并将结果保存为environ_scaled。 - 将缩放后的数据转换回 DataFrame，列和索引与原始 DataFrame 保持一致。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Initialize StandardScaler
sc = ____()
# Fit the scaler
sc.fit(____)
# Transform the data
environ_scaled = ____.____(____)
# Convert scaled data to DataFrame
environ_scaled = pd.DataFrame(____,
columns=____,
index=____)
print(environ_scaled.head())
plot_unscaled_scaled(environment, environ_scaled)