变量标准化

现在进入数据准备的最后一步。您将把去偏后的数据集 wholesale_boxcox 变换到相同量纲，也就是说，使所有列的均值为 0、标准差为 1。您将使用 sklearn.preprocessing 模块中的 StandardScaler 函数。

您在上一个练习中变换得到的去偏数据集 wholesale_coxbox 已作为一个 pandas DataFrame 导入。同时，StandardScaler() 实例已初始化为 scaler。

本练习是课程的一部分

Python 营销中的机器学习

查看课程

练习说明

在 Box-Cox 变换后的数据集上拟合已初始化的 scaler 实例。
变换并将缩放后的数据集存为 wholesale_scaled。
由缩放后的数据集创建一个 pandas DataFrame。
打印所有列的均值和标准差。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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())

编辑并运行代码