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

Efter att ha hanterat saknade värden och kodat kategoriska variabler är datasettet fritt från problem som skulle orsaka fel i modellen. Dock återstår en annan utmaning: **olika skalor på variablerna**.


Detta problem kommer inte att orsaka fel om du matar in data i nuvarande skick till modellen, men det kan **avsevärt försämra vissa ML-modeller**.

Tänk på ett exempel där en egenskap är `'age'`, med värden från **18** till **50**, och den andra egenskapen är `'income'`, med värden från **$25,000** till **$500,000**. Det är tydligt att en skillnad på tio år i ålder är mer betydelsefull än en skillnad på tio dollar i inkomst.

Vissa modeller, såsom **k-NN** (som vi kommer att använda i denna kurs), kan dock behandla dessa skillnader som **lika viktiga**. Därför kommer kolumnen `'income'` att ha en mycket större inverkan på modellen. Det är därför viktigt att egenskaper har **ungefär samma intervall** för att k-NN ska fungera effektivt.

Även om andra modeller kan påverkas mindre av olika skalor, kan skalning av data avsevärt **förbättra bearbetningshastigheten**. Därför ingår datascalning ofta som ett sista steg i förbehandlingen.

Som nämnts ovan är datascalning vanligtvis det **sista steget** i förbehandlingsfasen. Det beror på att förändringar av egenskaper efter skalning kan göra att datan inte längre är skalad.

Notering

Nästa kapitel kommer att behandla de tre mest använda transformatorerna för datascalning. Dessa är `StandardScaler`, `MinMaxScaler` och `MaxAbsScaler`.

Varför är det viktigt att skala funktioner i maskininlärningsmodeller som k-närmaste grannar (KNN)?

Maskininlärning används nu överallt. Vill du lära dig det själv? Denna kurs är en introduktion till maskininlärningens värld där du får lära dig grundläggande begrepp, arbeta med scikit-learn – det mest populära biblioteket för ML, och bygga ditt första maskininlärningsprojekt.
Kursen är avsedd för studenter med grundläggande kunskaper i Python, Pandas och Numpy.

Lär dig maskininlärningskoncept och arbetsflödet för ML-projekt.

Förbehandling är troligen det viktigaste steget i ett ML-projekt. Detta kapitel behandlar de förbehandlingssteg som krävs för nästan alla datamängder.

En pipeline är ett smidigt sätt att kombinera alla förbehandlingssteg samt en modell. Pipelines gör det mycket enklare att träna och använda en modell.

Modellering är det mest underhållande steget i ett ML-projekt. Lär dig att bygga, finjustera och utvärdera modellen!

Varför Skala Data?