ЛММО. 9/24.6/11.3/7.Задача 2

Нормализуйте тренировочные данные с помощью MinMaxScaler() из библиотеки sklearn. Выведите на экран результаты масштабирования.

import pandas as pd
from sklearn.model_selection import train_test_split
# импортируйте функцию для нормализации
from sklearn.preprocessing import MinMaxScaler
# создание константы RANDOM_STATE
RANDOM_STATE = 42
# считывание CSV-файла в датафрейм pandas, сохранение выборок
df = pd.read_csv('real_estate_clean.csv')
X = df.drop('price', axis=1)
y = df['price']
X_train, X_test, y_train, y_test = train_test_split(
    X,
    y,
    random_state=RANDOM_STATE
)
# определите метод масштабирования
scaler = MinMaxScaler()
# обучите скейлер на количественных признаках тренировочной выборки
scaler.fit(X_train)
# масштабирование тренировочной выборки
X_train_scaler =  scaler.transform(X_train)

# масштабирование тестовой выборки
X_test_scaler = scaler.transform(X_test)
print(X_test_scaler)