特征预处理方法：归一化，标准化

1、归一化

         特征的单位或者大小相差较大，或者某特征的方差相比其他的特征要大出几个数量级，容易影响（支配）目标结果，通过对原始数据进行变换把数据映射到(默认为[0,1])之间

import pandas as pd
from sklearn.preprocessing import MinMaxScaler

def minmax_demo():
    """
    归一化演示
    :return: None
    """
    data = pd.read_csv("./data/dating.txt")
    print(data)
    # 1、实例化一个转换器类
    transfer = MinMaxScaler(feature_range=(2, 3))   转换到2，3之间的值，默认为[0,1]
    # 2、调用fit_transform
    data = transfer.fit_transform(data[['milage','Liters','Consumtime']])
    print("最小值最大值归一化处理的结果：\n", data)

    return None

适用范围 ：最大值与最小值非常容易受异常点影响，所以归一化法鲁棒性较差，只适合传统精确小数据场景。