归一化数值--处理数据（使所有特征在同一量级，同等重要）

数值归一化的原因：有的特征数值很大，在很大程度上影响了预测的结果，我们将数值限定在同一量级，可以保证所有数据是同等重要的

归一化操作：将取值范围处理为0到1 或者-1到1 之间

归一化的公式：normVal=(oldVal-min)/(max-min)

def autoNorm(dataSet):
    minVals=dataSet.min(0) # 求每列的最小值，0代表列  
    maxVals=dataSet.max(0) # 求每列的最大值
    ranges=maxVals-minVals
    m=shape(dataSet)[0]
    normDataSet=zeros(shape(dataSet))
    normDataSet=dataSet-tile(minVals,(m,1)) #tile 为重复函数，重复m行以做数组的运算
    normDataSet=normDataSet/tile(ranges,(m,1))
    return normDataSet,ranges,minVals