資料歸一化處理是資料探勘中一項基本的工作，不同評價指標往往具有不同的量綱和量綱單位，這樣

的情況會影響到資料分析的結果，為了消除指標之間量綱的影響，需要進行資料標準化處理，以解決

資料指標之間的可比性。例如要求解距離(歐氏距離等)，需要平方和操作，非常小的數貢獻很小，反之大的

數太大，這樣誤差很大。

下面用min-max標準化方法進行歸一化處理:

# 進行歸一化處理
def maxmin_norm(array):
    """
    :param array: 每行為一個樣本，每列為一個特徵，且只包含資料，沒有包含標籤
    :return:
    """
    maxcols = array.max(axis = 0)
    mincols = array.min(axis = 0)
    data_shape = array.shape
    data_rows, data_cols = data_shape
    t = np.empty((data_rows, data_cols))
    for i in range(data_cols):
        t[:, i] = (array[:, i] - mincols[i]) / (maxcols[i] - mincols[i])
    return t
 

array是樣本的特徵矩陣，t是歸一化後的矩陣