📝 輸入資料集
🎯 縮放前後對比圖
📊 縮放結果比較
選擇資料集後點擊「執行特徵縮放」
互動式機器學習基礎教學
特徵縮放是將不同量綱的特徵轉換至相同尺度的預處理技術。
例如：身高（公分）v.s. 體重（公斤），數值差異大，直接使用會影響模型學習。
通常建議：KNN、SVM、使用梯度下降的線性回歸、神經網路、K-Means
通常不敏感：決策樹、隨機森林、XGBoost
想像你要比較「身高」和「體重」：
身高 170cm 和體重 65kg 數值差異極大，模型容易被身高主導。
縮放後都在 0~1 之間，模型可以公平地學習兩個特徵！
✅ 固定範圍 [0, 1]，直覺好理解
✅ 均值為 0、標準差為 1
✅ 保留零值特性，適合稀疏資料