numpy归一化实例

NumPy是一个强大的Python库，用于数值计算。其中的归一化是一种数据预处理技术，它将数组中的值缩放到特定的范围，如0到1之间或-1到1之间。归一化的目的是为了使得不同尺度的数据变得可比较，并且可以增强某些算法的效果。

例如，我们可以使用`numpy`的`MinMaxScaler`或`StandardScaler`函数来进行归一化。这里有一个基本的例子：

import numpy as np

# 创建一个随机数组
data = np.random.rand(5, 5)

# 使用MinMaxScaler做最小-最大归一化
from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
normalized_data = scaler.fit_transform(data)

# 或者使用StandardScaler做标准差标准化
from sklearn.preprocessing import StandardScaler
std_scaler = StandardScaler()
normalized_data_std = std_scaler.fit_transform(data)

print("原数据：\n", data)
print("\n最小-最大归一化后的数据：\n", normalized_data)
print("\n标准差标准化后的数据：\n", normalized_data_std)