对iris数据集使用StandardScaler进行标准化

Iris数据集是一个经典的多分类问题数据集，包含四个连续变量（花瓣长度、花瓣宽度、花萼长度和花萼宽度）。在使用机器学习模型前，通常会先对数据进行预处理，包括标准化。StandardScaler是scikit-learn库中的工具，用于将数据转换为均值为0，标准差为1的标准正态分布，这是许多算法假设输入数据分布的一个常见做法。

以下是使用Python和scikit-learn对Iris数据集进行标准化的步骤：

from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
import pandas as pd

# 加载Iris数据集
iris = load_iris()
data = iris.data  # 获取数据部分

# 创建StandardScaler对象
scaler = StandardScaler()

# 对数据进行标准化
standardized_data = scaler.fit_transform(data)

# 将结果放入DataFrame便于查看
df_standardized = pd.DataFrame(standardized_data, columns=iris.feature_names)