sklearn.preprocessing使用MinMaxScale进行数据归一化

sklearn.preprocessing 是 Scikit-learn中的数据预处理模块，它提供了对数据进行标准化、归一化、缩放等常见操作的功能。其中，在进行数据归一化时，可以使用 MinMaxScaler 类。

from sklearn.preprocessing import MinMaxScaler

def custom_scaler(train, test):
    
    # 创建 MinMaxScaler 对象
    scaler = MinMaxScaler()

    # 使用 fit_transform() 方法对训练数据进行归一化
    train_scaled = scaler.fit_transform(train)

    # 使用 transform() 方法对测试数据进行归一化（使用训练数据的缩放参数）
    test_scaled = scaler.transform(test)

    return train_scaled, test_scaled


#用之前已经导入的matplotlib.pyplot中的plot方法显示散点图

X_train, X_test = custom_scaler(X_train, X_test) #对特征归一化

y_train, y_test = custom_scaler(y_train, y_test) #对标签也归一化

plt.plot(X_train, y_train, 'b.', label='Training data') # 显示训练数据

plt.xlabel('wechat') # x轴标签

plt.ylabel('sales') # y轴标签

plt.legend() # 显示图例

plt.show() # 显示绘图结果