Summary  
This chapter explains the importance of scaling numerical features to a common range so that distance-based algorithms like k-NN are not biased by differently scaled inputs and to improve overall processing efficiency.

General domain of usage  
Machine learning data preprocessing

Etter å ha håndtert manglende verdier og kodet kategoriske variabler, er datasettet fritt for problemer som kan forårsake feil i modellen. Likevel gjenstår en annen utfordring: **forskjellige skalaer på egenskapene**.


Dette problemet vil ikke føre til feil hvis du mater modellen med dataene i nåværende tilstand, men det kan **betydelig forverre noen ML-modeller**.

Tenk deg et eksempel der én egenskap er `'age'`, som varierer fra **18** til **50**, og den andre egenskapen er `'income'`, som varierer fra **$25,000** til **$500,000**. Det er tydelig at en forskjell på ti år i alder er mer betydningsfull enn en forskjell på ti dollar i inntekt.

Noen modeller, som **k-NN** (som vi skal bruke i dette kurset), kan imidlertid behandle disse forskjellene som **like viktige**. Dermed vil kolonnen `'income'` ha mye større innvirkning på modellen. Derfor er det viktig at egenskapene har **omtrent samme verdiområde** for at k-NN skal fungere effektivt.

Selv om andre modeller kan være mindre påvirket av ulike skalaer, kan skalering av data betydelig **øke prosesseringshastigheten**. Derfor er datascaling vanligvis inkludert som et siste steg i forhåndsbehandlingen.

Som nevnt ovenfor er datascaling vanligvis det **siste steget** i forhåndsbehandlingen. Dette er fordi endringer i egenskapene etter skalering kan føre til at dataene ikke lenger er skalert.

Merk

Neste kapittel tar for seg de tre mest brukte transformatorene for datascaling. Disse er `StandardScaler`, `MinMaxScaler` og `MaxAbsScaler`.

Hvorfor er det viktig å skalere funksjoner i maskinlæringsmodeller som k-nærmeste naboer (KNN)?

Maskinlæring brukes nå overalt. Vil du lære det selv? Dette kurset er en introduksjon til maskinlæring hvor du lærer grunnleggende konsepter, arbeider med Scikit-learn – det mest populære biblioteket for ML, og bygger ditt første maskinlæringsprosjekt.
Kurset er beregnet på studenter med grunnleggende kunnskaper i Python, Pandas og Numpy.

Lær om maskinlæringskonsepter og arbeidsflyten i et ML-prosjekt.

Forbehandling er sannsynligvis den viktigste fasen i et ML-prosjekt. Dette kapittelet dekker forbehandlingsstegene som trengs for nesten alle datasett.

En pipeline er en ryddig måte å kombinere alle forhåndsprosesseringssteg samt en modell. Pipeliner gjør det mye enklere å trene og bruke en modell.

Modellering er den mest spennende fasen i et ML-prosjekt. La oss lære å bygge, finjustere og evaluere modellen!

Hvorfor Skalere Dataene?