python sklearn库中的归一化方法

sklearn库中提供了两种常用的归一化方法：MinMaxScaler和StandardScaler。

1. MinMaxScaler：将数据缩放到指定的最小值和最大值之间，默认为0-1范围内。公式为：

X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))

X_scaled = X_std * (max - min) + min

示例代码：

   from sklearn.preprocessing import MinMaxScaler

   scaler = MinMaxScaler()
   X_train_scaled = scaler.fit_transform(X_train)
   X_test_scaled = scaler.transform(X_test)

2. StandardScaler：将数据缩放到均值为0，方差为1的标准正态分布中。公式为：

X_std = (X - X.mean(axis=0)) / X.std(axis=0)

示例代码：

   from sklearn.preprocessing import StandardScaler

   scaler = StandardScaler()
   X_train_scaled = scaler.fit_transform(X_train)
   X_test_scaled = scaler.transform(X_test)