Normaliser les données

Prétraitement pour le Machine Learning en Python

James Chapman

Curriculum Manager, DataCamp

Qu'est-ce que la normalisation des variables ?

Variables sur des échelles différentes
Modèle à caractéristiques linéaires
Centrer autour de $0$ et mettre la variance à $1$
Approche une distribution normale

Comment normaliser les données

print(df)

   col1  col2   col3
0  1.00  48.0  100.0
1  1.20  45.5  101.3
2  0.75  46.2  103.5
3  1.60  50.0  104.0

print(df.var())

col1    0.128958
col2    4.055833
col3    3.526667
dtype: float64

Comment normaliser les données

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()

df_scaled = pd.DataFrame(scaler.fit_transform(df), 
                         columns=df.columns)

print(df_scaled)

       col1      col2      col3
0 -0.442127  0.329683 -1.352726
1  0.200967 -1.103723 -0.553388
2 -1.245995 -0.702369  0.799338
3  1.487156  1.476409  1.106776

print(df_scaled.var())

col1    1.333333
col2    1.333333
col3    1.333333
dtype: float64

Passons à la pratique !

Prétraitement pour le Machine Learning en Python