Model berbasis jarak membandingkan nilai numerik, dan model linier berpenalti membandingkan besar koefisien. Jarak yang diukur dalam mil dan hitungan satu digit dapat memengaruhi perhitungan tersebut secara berbeda karena satuannya. StandardScaler mengurangi rata-rata data latih dari setiap input dan membaginya dengan skala data latihnya.
Lakukan fit scaler pada input data latih, lalu pakai objek yang sudah di-fit itu pada setiap partisi berikutnya. Melakukan fit scaler baru pada data uji mengubah makna koordinatnya dan membocorkan informasi tentang distribusinya. Anda juga akan menangani input yang konstan: scikit-learn memetakannya ke nol tanpa menghasilkan nilai tak hingga. Latihan ini menjaga kedua array hasil transformasi tetap terlihat agar Anda dapat memeriksa efeknya pada baris yang sudah dikenal dan baris baru sebelum memasukkan penskalaan ke dalam pipeline model.
Standardisasi mengurangi setiap nilai dengan rata-rata pelatihan kolomnya lalu membaginya dengan skala pelatihannya. Kolom konstan menjadi nol; scikit-learn menghindari pembagian dengan nol.