特征缩放
请回忆视频中提到的 'Intl_Calls' 和 'Night_Mins' 这两个特征的取值尺度不同：
本练习的任务是使用 StandardScaler 重新缩放它们。
在您的工作区中，telco DataFrame 已经被筛选，只保留需要重新缩放的特征：'Intl_Calls' 和 'Night_Mins'。要应用 StandardScaler，您需要先用 StandardScaler() 实例化，然后调用 fit_transform() 方法，并传入要缩放的 DataFrame。您可以用一行代码完成：
StandardScaler().fit_transform(df)
本练习是课程的一部分
营销分析：用 Python 预测客户流失
练习说明
- 使用
StandardScaler()和.fit_transform()对telco进行缩放。 - 使用
.describe()打印telco_scaled_df的汇总统计信息。
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 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(____)