对数归一化
标准化很重要，可以确保各个特征具有可比性。对数归一化是一种常见的标准化方法。您将检查部分特征的方差，并计算所有特征方差的中位数。待处理的特征为数值型列，但需要排除 click 列、banner_pos、device_type，以及上节课中的 search_engine_type、product_type、advertiser_type，因为它们实际上是分类特征。然后，您将对方差高于中位数的这些列应用对数归一化，并检查结果。
pandas 模块在您的工作区中以 pd 提供，示例 DataFrame 已加载为 df。
本练习是课程的一部分
用 Python 预测 CTR 的机器学习实战
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Select numeric columns and print variance
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)]]
median = new_df.____.____
print(median)