导入包：

from sklearn.preprocessing import MinMaxScaler

定义归一化对象：

scaler = MinMaxScaler(feature_range=(0, 1))  #将数据归一到0到1，可以根据数据特点归一到-1到1

归一化数据：

mydata = scaler.fit_transform(mydata)  #归一化

经过计算之后，反归一化

mydata = scaler.inverse_transform(mydata)  #反归一化

 注意事项：

    原始数据归一化之后，然后进行模型计算，将计算结果反归一化时，要保证与原始数据具有相同的列数，并且计算结果的每列数据要与原始数据的列数一一对应。

归一化保存与加载链接：

python 归一化保存与加载_wh来啦的博客-CSDN博客

归一化作用：

   忽略数据本身的属性，例如大小，长度。重视数据与数据之间的联系，例如相对长度，相对大小