Max-Abs 스케일링

17번 Min-Max 의 응용. 컬럼별 절댓값의 최댓값으로 나누기 만 합니다:

$X'_{ij} = \frac{X_{ij}}{\max_j |X_{ij}|}$

결과 범위: $[-1, 1]$.

왜 이게 특별?

• 부호 보존 (min-max 와 달리): 음수는 음수인 채로 스케일됨.
• 0 이 0 으로 매핑됨 — 이게 중요. 희소 행렬(TF-IDF, bag-of-words)에서 0 이 절대 다수라서 0 을 보존해야 희소성을 유지하고 메모리/연산을 아낄 수 있음. Min-Max 는 (0 - min) / (max - min) 이라 0 이 아닌 값으로 매핑될 수 있어 희소성을 깨뜨림.
• 평균 중심화도 안 함.

scikit-learn MaxAbsScaler 와 동일한 동작.

과제

함수 max_abs_scale(X) 를 완성하세요.

• 입력: (N, D) 2D 배열.
• 반환: (X_scaled, max_abs) — 스케일된 배열, 컬럼별 max |X| (shape (D,)).
• 컬럼이 전부 0 이면 0으로 나누지 말 것 (결과 0 유지).

테스트 케이스