o StandardScaler não deveria ajustar a escala do y também para que fique igual/proporcional a do x?E se não, porque escolher ajustar o x e não o y?
Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
o StandardScaler não deveria ajustar a escala do y também para que fique igual/proporcional a do x?E se não, porque escolher ajustar o x e não o y?
Levei um tempo pensando sobre o assunto também até chegar a seguinte conclusão: A padronização dos dados foi aplicada somente nos valores de treino_x e teste_x porque são aqueles que de fato irão interferir na construção do modelo dado a variação que possuem. Os valores de treino_y e teste_y são '0' ou '1', por isto não há sentido lógico a aplicação de StandarScaler neles.
Olá, Natasha!
O Mailson está certo! É exatamente por isso que não é necessário normalizar o y.