Warum Merkmale skalieren

Welcher Kunde ist einem neuen am ähnlichsten? Viele Modelle messen den Abstand zwischen Stichproben: Quadriere die Differenz bei jedem Merkmal, addiere sie und ziehe die Quadratwurzel.

Eine 25-jährige Person mit einem Einkommen von 52.000 $ im Vergleich zu einer 61-jährigen Person mit einem Einkommen von 53.000 $:

Für eine ganze Tabelle summiert axis=1 die Quadrate jeder Zeile, und .argmin() findet die nächstgelegene Zeile:

a = np.array([25, 52000])  # Alter, Einkommen
X = np.array([[61, 53000],   # die 61-jährige Person
              [26, 55000]])  # eine 26-jährige Person mit einem Einkommen von $55,000
dists = np.sqrt(((X - a) ** 2).sum(axis=1))
print(np.round(dists, 2))
print(dists.argmin())

Dies gibt aus:

[1000.65 3000.  ]
0

Die 61-jährige Person ist am nächsten: Dollarbeträge sind größer, daher wiegen $1,000 schwerer als 36 Jahre. Ohne Skalierung entscheiden die größten Einheiten.

Dieses Kapitel lässt jedem Feature eine faire Chance.