numpy最小最大归一化

对于numpy最小最大归一化，可以使用numpy的min和max函数得到每个特征的最小值和最大值，然后使用numpy的广播功能对每个特征进行归一化处理。下面是一个示例代码：

import numpy as np

# 生成一个5x3的随机数据集
data = np.random.randint(0, 100, size=(5, 3))
print("原始数据集：\n", data)

# 最小-最大归一化
min_vals = np.min(data, axis=0)
max_vals = np.max(data, axis=0)
data_min_max = (data - min_vals) / (max_vals - min_vals)
print("最小-最大归一化后的数据集：\n", data_min_max)

上述代码中，使用numpy.random.randint函数生成一个5x3的随机数据集，然后使用numpy的min和max函数分别得到每个特征的最小值和最大值，并使用numpy的广播功能对每个特征进行归一化处理，最后将处理后的数据集打印出来。需要注意的是，axis参数指定对哪个维度进行计算，axis=0表示对每列进行计算，axis=1表示对每行进行计算。