python 归一化与标准化 class工具类

归一化和标准化是常用的数据预处理方法，用于将不同范围的数据转换为统一的尺度。在Python中，可以使用sklearn.preprocessing模块中的MinMaxScaler和StandardScaler类来实现归一化和标准化。

下面是一个示例代码，演示如何使用MinMaxScaler和StandardScaler类进行归一化和标准化：

from sklearn.preprocessing import MinMaxScaler, StandardScaler

# 创建MinMaxScaler对象
min_max_scaler = MinMaxScaler()

# 创建StandardScaler对象
standard_scaler = StandardScaler()

# 假设有一个数据集X，包含多个特征
X = [[1, 2, 3],
     [4, 5, 6],
     [7, 8, 9]]

# 使用MinMaxScaler进行归一化
X_normalized = min_max_scaler.fit_transform(X)
print("Normalized data:")
print(X_normalized)

# 使用StandardScaler进行标准化
X_standardized = standard_scaler.fit_transform(X)
print("Standardized data:")
print(X_standardized)

这段代码中，我们首先导入了MinMaxScaler和StandardScaler类。然后，创建了一个MinMaxScaler对象和一个StandardScaler对象。接下来，我们定义了一个数据集X，其中包含了多个特征。使用MinMaxScaler的fit_transform方法对数据进行归一化，并使用StandardScaler的fit_transform方法对数据进行标准化。最后，打印出归一化和标准化后的数据。