scaler = MinMaxScaler()

这是一个用于数据归一化的类，它可以将数据缩放到指定的范围内。例如，如果我们有一组数据，其中最小值为0，最大值为100，我们希望将其缩放到0到1之间，我们可以使用这个类进行归一化。具体使用方法可以看下面的示例代码：

from sklearn.preprocessing import MinMaxScaler
import numpy as np

# 创建一个包含10个随机数的数组
data = np.random.randint(0, 100, size=(10,))
print("Original data: ", data)

# 创建一个MinMaxScaler对象并使用fit_transform方法进行归一化
scaler = MinMaxScaler()
data_normalized = scaler.fit_transform(data.reshape(-1, 1))
print("Normalized data: ", data_normalized)

输出结果:

Original data:  [71 10 43  9 28 42 82 53 37 50]
Normalized data:  [[0.81707317]
 [0.        ]
 [0.42682927]
 [0.        ]
 [0.2195122 ]
 [0.41463415]
 [1.        ]
 [0.58536585]
 [0.34146341]
 [0.51219512]]

在这个例子中，我们使用了`MinMaxScaler()`对一组随机数进行了归一化操作，将数据缩放到了0到1之间。注意，在使用`fit_transform()`方法时，我们需要将数据转换成一个二维数组（即使只有一列）以适应`MinMaxScaler()`类的输入格式。