python将数据归一化

在Python中，数据归一化是一种预处理技术，用于将数值特征缩放到特定的范围内，通常是为了提高机器学习模型的性能和稳定性。常见的归一化方法有：

1. **最小-最大规范化**（Min-Max Scaling）：也称为线性归一化，它将数据缩放至[0, 1]范围之间。公式为：`(x - min(x)) / (max(x) - min(x))`，其中`min(x)`和`max(x)`分别是特征值的最小值和最大值。

2. **z-score标准化**（Standardization）：又叫零均值单位方差标准化，将数据转换为标准正态分布，即均值为0，标准差为1。公式为：`(x - mean(x)) / std(x)`，其中`mean(x)`和`std(x)`分别是特征值的平均数和标准差。

3. **小数定标规范化**（Decimal Scaling）：简单地通过乘以一个小于1的常数（如1e-6）来缩小数值，适用于数据范围较小的情况。

在Python中，可以使用`sklearn.preprocessing`模块来进行数据归一化，比如使用`MinMaxScaler`或`StandardScaler`类。示例如下：

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
data_normalized = scaler.fit_transform(data)