在python中对logistic回归使用minMax缩放为什么？

Question

我一直在研究回归建模，很好奇为什么这很重要？任何意见都将不胜感激。总是有必要提高精确度吗？我读到它与支持向量机更相关，因为Logistic回归只使用一条直线来分类数据变量。我读过，在逻辑回归中找到全局平均值是有用的

# minMax scaling the continuous variables
minVec = df_train[continuous_vars].min().copy()
maxVec = df_train[continuous_vars].max().copy()
df_train[continuous_vars] = (df_train[continuous_vars]-minVec)/(maxVec-minVec)
df_train.head()