from sklearn.preprocessing import MinMaxScaler
# 创建归一化对象
scaler = MinMaxScaler()
# 构造一个二维数组X
X = [[6, 3, 2],
[7, 4, 3],
[9, 2, 2]]
# 对数据进行归一化处理
X_normalized = scaler.fit_transform(X)
import pickle
# 保存归一化函数
with open('scaler.pkl', 'wb') as f:
pickle.dump(scaler, f)
import pickle
# 加载归一化函数
with open('scaler.pkl', 'rb') as f:
scaler = pickle.load(f)
# 假设我们有一条新的房屋数据需要进行预测
new_house = [[1800, 3, 2]]
# 使用加载的归一化函数对新数据进行归一化处理
new_house_normalized = scaler.transform(new_house)