KNN / 03 · EXPLICATION
Pourquoi mettre les caractéristiques à l’échelle ?
Une distance additionne des écarts entre coordonnées. Des unités très différentes peuvent déséquilibrer cette comparaison.
Dans house_mini, une différence de plusieurs milliers de pieds carrés sur sqft_lot peut dominer une différence de deux chambres. Le voisinage reflète alors surtout les grandes échelles numériques.
Min–max : l’entraînement est entre 0 et 1 ; une nouvelle observation peut sortir de cet intervalle.
Standardisation : moyenne 0 et écart type 1 sur l’entraînement pour une colonne non constante. Ici σ est calculé avec ddof=0.
À retenir
- 01
MinMaxScaler exprime chaque caractéristique relativement à son minimum et à son étendue d’entraînement.
- 02
StandardScaler centre chaque caractéristique et la divise par son écart type d’entraînement. Cela n’impose pas une distribution normale.
- 03
La mise à l’échelle ne garantit pas une meilleure performance : elle change la notion de proximité, qui doit être évaluée.
- 04
Les valeurs extrêmes influencent les minima, maxima, moyennes et écarts types.
- 05
Ni la cible ni le test ne servent à calculer les paramètres du scaler.
Les slides d’explication ne donnent pas lieu à une validation de code.