python list列表中数据归一化

在 Python 中，数据归一化（Normalization）是指将一组数值转换到相同的尺度或范围，通常是为了比较不同大小的数据或避免某些特征对模型的影响过大。对于列表数据，常见的归一化方法有 min-max 归一化和 z-score 归一化。

**Min-Max 归一化（0-1 Scale）**：
它通过将最小值设为0，最大值设为1来进行缩放。公式如下：

def normalize_min_max(lst):
    min_val = min(lst)
    max_val = max(lst)
    return [(x - min_val) / (max_val - min_val) for x in lst]

**z-Score 归一化（标准差标准化）**：
z-score 归一化会使得数据分布的标准差为1，平均值为0。公式如下：

from scipy import stats

def normalize_zscore(lst):
    mean, std_dev = stats.zscore(lst)
    return [(x - mean) / std_dev for x in lst]

使用归一化后的数据，模型训练会更稳定，特征之间的影响更为平等。