표준화를 먼저 하지 않고 데이터를 바로 모델링하면 정확도가 어떻게 달라질 수 있는지 살펴보겠습니다.

여기에는 wine 데이터셋의 일부가 있습니다. 그중 Proline 열은 다른 열에 비해 분산이 매우 큽니다. 이런 경우에는 로그 정규화 같은 기법이 유용한데, 다음 섹션에서 배울 예정입니다.

지금쯤이면 scikit-learn의 모델 학습 과정이 익숙하실 테니 자세한 설명은 생략하겠습니다. 이미 k-최근접 이웃 모델(knn)과 함께 적합 및 평가에 사용할 X, y 세트가 준비되어 있습니다.

특성 비교를 위한 데이터 스케일링