训练样本数据归一化代码

当进行机器学习或深度学习模型训练时，对训练样本数据进行归一化是一个常见的操作。下面是一些常见的数据归一化代码示例：

1. Min-Max 归一化：

from sklearn.preprocessing import MinMaxScaler

# 创建一个 MinMaxScaler 对象
scaler = MinMaxScaler()

# 对训练数据进行归一化
scaled_data = scaler.fit_transform(train_data)

# 对测试数据进行归一化，使用相同的缩放器对象
scaled_test_data = scaler.transform(test_data)

2. Z-Score 归一化：

from sklearn.preprocessing import StandardScaler

# 创建一个 StandardScaler 对象
scaler = StandardScaler()

# 对训练数据进行归一化
scaled_data = scaler.fit_transform(train_data)

# 对测试数据进行归一化，使用相同的缩放器对象
scaled_test_data = scaler.transform(test_data)

3. 将特征缩放到单位范围内：

from sklearn.preprocessing import scale

# 对训练数据进行归一化
scaled_data = scale(train_data)

# 对测试数据进行归一化，使用相同的缩放方式
scaled_test_data = scale(test_data)

这些示例中，`train_data` 和 `test_data` 是原始的训练样本和测试样本数据。你可以根据自己的需求选择合适的归一化方法，并使用相应的库来进行实现。