Summary  
This chapter explains feature scaling as a preprocessing step to ensure features share similar ranges—critical for distance-based algorithms like k-NN—and to improve model performance and speed.

General domain of usage  
Machine learning preprocessing

欠損値の処理やカテゴリカル特徴量のエンコーディングを行った後、データセットはモデルでエラーを引き起こす問題がなくなります。しかし、もう一つの課題が残っています。それは、**特徴量ごとのスケールの違い**です。


この問題は、現在のデータをモデルに入力してもエラーにはなりませんが、**一部の機械学習モデルの性能を大きく低下させる可能性**があります。

例として、1つの特徴量が `'age'` で**18**から**50**の範囲、もう1つの特徴量が `'income'` で**$25,000**から**$500,000**の範囲だとします。10歳の差は10ドルの収入差よりも重要であることは明らかです。

しかし、**k-NN**（このコースで使用するモデル）のような一部のモデルでは、これらの違いを**同等に重要**とみなす場合があります。その結果、`'income'` 列がモデルに与える影響が非常に大きくなります。そのため、k-NNが効果的に機能するには、特徴量が**ほぼ同じ範囲**を持つことが重要です。

他のモデルではスケールの違いによる影響が小さい場合もありますが、データをスケーリングすることで**処理速度が大幅に向上**することがあります。そのため、データスケーリングは前処理の最終ステップとして一般的に行われます。

前述のとおり、データのスケーリングは通常、前処理段階の**最後のステップ**。これは、スケーリング後に特徴量へ変更を加えると、再びスケーリングされていない状態になる可能性があるため。

注記

次の章では、データスケーリングで最もよく使われる3つのトランスフォーマーについて解説。`StandardScaler`、`MinMaxScaler`、`MaxAbsScaler`。

なぜ、k-nearest neighbors（KNN）のような機械学習モデルで特徴量のスケーリングが重要なのか？

機械学習は今やあらゆる場所で利用されています。自分で学びたいと思いませんか？このコースは、機械学習の世界への入門として、基本的な概念の習得、最も人気のあるMLライブラリであるScikit-learnの操作、そして最初の機械学習プロジェクトの構築を学ぶためのものです。
このコースは、Python、Pandas、Numpyの基礎知識を持つ学生を対象としています。

機械学習の概念とMLプロジェクトのワークフローについて学習します。

前処理は、MLプロジェクトにおいて最も重要な段階の一つです。本章では、ほぼすべてのデータセットに必要な前処理手順について解説します。

パイプラインは、すべての前処理ステップとモデルを組み合わせるための便利な方法です。パイプラインを使用することで、モデルの学習や利用がはるかに簡単になります。

モデリングはMLプロジェクトの中で最も楽しい段階です。モデルの構築、チューニング、評価方法を学びましょう。

なぜデータをスケーリングするのか？