from sklearn.preprocessing import MinMaxScaler, StandardScaler

`from sklearn.preprocessing import MinMaxScaler, StandardScaler` 这两行导入了scikit-learn（sklearn）库中的两个数据预处理工具，它们主要用于特征缩放（feature scaling）：

1. **MinMaxScaler**：这是一个用于将特征缩放到固定范围内的类，通常范围是0到1或-1到1。它通过计算每个特征的最大值和最小值，然后将所有数值减去最小值，再除以最大值与最小值的差（如果最大值和最小值相同，会有一些调整）。这样可以保证所有特征都在同一尺度上，适合于那些数值范围差异较大的特征。

2. **StandardScaler**：这是一种更常用的标准化方法，也叫Z-score标准化。它将每个特征的值转换为均值为0，标准差为1的标准正态分布。也就是说，它将每个特征的值减去该特征的平均值，然后除以该特征的标准差。这样可以使得不同特征之间的尺度保持一致，对于线性模型的训练有特别的好处。