归一化的三种方法代码

归一化是一种数据预处理技术，用于将数值特征缩放到一个特定的范围，通常是0到1或-1到1之间，以减少特征之间的量纲差异，提高模型训练效率。以下是三种常见的归一化方法以及简单的Python代码示例：

1. **最小-最大规范化 (Min-Max Scaling)**:

   def min_max_normalization(data):
       data_min = np.min(data)
       data_max = np.max(data)
       return (data - data_min) / (data_max - data_min)

2. **Z-Score标准化 (Standardization)**:
这种方法通过计算每个值与均值之差除以标准差来标准化数据。

   from scipy import stats
   def z_score_normalization(data):
       mean = np.mean(data)
       std = np.std(data)
       return (data - mean) / std

3. **小数定标法 (Decimal Scaling)**:
对于整数特征，可以简单地移动小数点来调整范围。

   def decimal_scaling(data, scale=10):
       return data * 1.0 / scale

请注意，以上代码假设`data`是一个numpy数组。实际应用中，你需要确保所有需要归一化的列都是数值类型。