knn标准化和归一化 python代码

KNN（K-Nearest Neighbors）是一种常用的机器学习算法，用于分类和回归问题。在KNN算法中，标准化和归一化是对特征进行预处理的常见方法，以确保不同特征之间具有相似的尺度。

标准化（Standardization）是指将特征数据按比例缩放，使其均值为0，标准差为1。标准化可以通过以下公式实现：

X_std = (X - X.mean()) / X.std()

其中，X是原始特征数据，X_std是标准化后的特征数据。

归一化（Normalization）是指将特征数据按比例缩放到一个固定的范围，通常是[0, 1]或[-1, 1]。归一化可以通过以下公式实现：

X_norm = (X - X.min()) / (X.max() - X.min())

其中，X是原始特征数据，X_norm是归一化后的特征数据。

下面是使用Python代码实现KNN标准化和归一化的示例：

from sklearn.preprocessing import StandardScaler, MinMaxScaler
from sklearn.neighbors import KNeighborsClassifier

# 原始特征数据
X = [[1, 2], [3, 4], [5, 6]]

# 标准化
scaler = StandardScaler()
X_std = scaler.fit_transform(X)

# 归一化
normalizer = MinMaxScaler()
X_norm = normalizer.fit_transform(X)

# 创建KNN分类器并训练
knn_std = KNeighborsClassifier()
knn_std.fit(X_std, y)

knn_norm = KNeighborsClassifier()
knn_norm.fit(X_norm, y)