实现min-max数据标准化提交代码和运行结果 函数形式

实现最小-最大（Min-Max）数据标准化通常涉及到将数值缩放到一个新的范围内，比如0到1之间，这有助于提高许多机器学习算法的性能。以下是使用Python的一个简单函数示例，它接受一个数组作为输入，并返回经过标准化处理的新数组：

def min_max_scaling(data):
    # 确定数据的最小值和最大值
    data_min = np.min(data)
    data_max = np.max(data)

    # 数据标准化
    scaled_data = (data - data_min) / (data_max - data_min)

    return scaled_data

# 示例：
import numpy as np
unnormalized_data = np.array([50, 100, 150, 200])
normalized_data = min_max_scaling(unnormalized_data)
print("Original Data:", unnormalized_data)
print("Normalized Data:", normalized_data)

在这个例子中，`np.min()` 和 `np.max()` 分别计算数据集的最小值和最大值，然后通过 `(x - min) / (max - min)` 的公式对每个元素进行标准化。