Для каких алгоритмов машинного обучения не нужно масштабирование признаков?

Для некоторых алгоритмов машинного обучения необязательно проводить масштабирование признаков, поскольку они не зависят от расстояний или линейных комбинаций признаков.

К таким алгоритмам относятся:

▪️дерево решений;
▪️случайный лес (так как строится над деревьями решений);
▪️градиентный бустинг над деревьями решений;
▪️наивный байесовский классификатор (так как его основная идея заключается в вычислении условных вероятностей для каждого признака и класса на основе данных).

#машинное_обучение