ndarray归一化

在NumPy中，ndarray归一化是将数组的值缩放到特定范围的过程，常用的归一化方法有两种：最小-最大归一化和Z-score归一化。

1. 最小-最大归一化（Min-Max Normalization）：
最小-最大归一化是将数组的值线性映射到指定的范围，通常是[0, 1]或[-1, 1]。具体步骤如下：
- 找到数组的最小值（min）和最大值（max）。
- 对数组中的每个元素进行归一化计算：(x - min) / (max - min)，其中x是数组中的元素。
- 归一化后的数组的值将在指定的范围内。

2. Z-score归一化（Standardization）：
Z-score归一化通过计算每个元素与数组的均值和标准差之间的差异来进行归一化。具体步骤如下：
- 计算数组的均值（mean）和标准差（std）。
- 对数组中的每个元素进行归一化计算：(x - mean) / std，其中x是数组中的元素。
- 归一化后的数组的均值为0，标准差为1。

下面是一个示例代码，演示如何使用NumPy进行ndarray归一化：

import numpy as np

# 创建一个示例数组
arr = np.array([1, 2, 3, 4, 5])

# 最小-最大归一化
min_val = np.min(arr)
max_val = np.max(arr)
normalized_arr = (arr - min_val) / (max_val - min_val)
print("Min-Max Normalization:", normalized_arr)

# Z-score归一化
mean_val = np.mean(arr)
std_val = np.std(arr)
normalized_arr = (arr - mean_val) / std_val
print("Z-score Normalization:", normalized_arr)