振り返り：登山のパートナー
CoddyのMachine Learningジャーニー「機械学習のための統計」セクションの一部。レッスン 51/64。
チャレンジ
中級クライミングジムでは、新しく入会した人に最も似ているメンバーを紹介します。members の各行はメンバーを表し、names に名前が入っています。身長（cm）、腕の長さ（cm）、デッドハング（バーにぶら下がる時間、分）です。プログラムは新しく入会した人の測定値を読み込みます。
- 元の表で最も近いメンバーを見つけます。
- メンバーを使って
StandardScalerを学習し、標準化します。新しく入会した人の標準化後の値を出力します。 - 標準化後の表で、もう一度最も近いメンバーを見つけます。
小数第2位まで丸めます。別のジムに、メンバーが3人います。
出力結果：
Nearest before scaling: Kim (4.56)
Newcomer scaled: [[-0.38 -0.54 0.98]]
Nearest after scaling: Lou (1.09)自分で試してみよう
import numpy as np
from sklearn.preprocessing import StandardScaler
names = ["Iris", "Jon", "Kai", "Lena", "Max", "Nora"]
# メンバーごとに1行：身長（cm）、腕を広げた長さ（cm）、ぶら下がれる時間（分）
members = np.array([[166, 169, 1.6],
[182, 188, 1.1],
[171, 170, 2.3],
[176, 181, 1.4],
[188, 191, 2.0],
[160, 163, 0.9]])
# 新しいメンバー
height = float(input())
span = float(input())
hang = float(input())
# 以下にコードを書いてください
機械学習のための統計のすべてのレッスン
自分で練習してみよう: Pythonオンラインコンパイラ