Mengapa Fitur Perlu Diskalakan

Pelanggan mana yang paling mirip dengan pelanggan baru? Banyak model mengukur jarak antara sampel: kuadratkan selisih setiap fitur, jumlahkan, lalu ambil akar kuadratnya.

Orang berusia 25 tahun dengan penghasilan $52,000 dibandingkan dengan orang berusia 61 tahun dengan penghasilan $53,000:

Untuk seluruh tabel, axis=1 menjumlahkan kuadrat setiap baris dan .argmin() menemukan baris terdekat:

a = np.array([25, 52000])  # usia, pendapatan
X = np.array([[61, 53000],   # orang berusia 61 tahun
              [26, 55000]])  # orang berusia 26 tahun dengan penghasilan $55,000
dists = np.sqrt(((X - a) ** 2).sum(axis=1))
print(np.round(dists, 2))
print(dists.argmin())

Ini mencetak:

[1000.65 3000.  ]
0

Orang berusia 61 tahun paling dekat: dolar memiliki angka yang lebih besar, jadi $1,000 lebih besar nilainya daripada 36 tahun. Tanpa penskalaan, satuan terbesar yang menentukan.

Bab ini memberi setiap fitur kesempatan yang sama untuk menyampaikan pendapat.