归一化
正如视频中所讨论的，归一化会将整列数据线性缩放到 0 到 1 之间，其中 0 对应该列中的最小值，1 对应最大值。
在使用 scikit-learn（Python 中最常用的机器学习库）时，您可以使用 MinMaxScaler 来进行归一化。
之所以这样命名，是因为它将数值缩放到给定的最小值和最大值之间。
本练习是课程的一部分
Python 中的机器学习特征工程
练习说明
- 从
sklearn的preprocessing模块中导入MinMaxScaler。 - 将
MinMaxScaler()实例化为MM_scaler。 - 在
so_numeric_df的Age列上拟合该MinMaxScaler。 - 使用刚刚拟合好的缩放器转换同一列。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import MinMaxScaler
____
# Instantiate MinMaxScaler
MM_scaler = ____()
# Fit MM_scaler to the data
____.____(so_numeric_df[['Age']])
# Transform the data using the fitted scaler
so_numeric_df['Age_MM'] = ____.____(so_numeric_df[['Age']])
# Compare the origional and transformed column
print(so_numeric_df[['Age_MM', 'Age']].head())