sklearn.preprocessing.normalize?
sklearn.preprocessing.normalize(X, norm='l2', *, axis=1, copy=True, return_norm=False)
分別將輸入向量縮放為單位范數（向量長度）。
在用戶指南中閱讀更多內容。
| 參數 | 說明 |
|---|---|
| X | {array-like, sparse matrix}, shape [n_samples, n_features] 要歸一化的數據，逐個元素。scipy.sparse矩陣應采用CSR格式，以避免不必要的復制。 |
| norm | ‘l1’, ‘l2’, or ‘max’, optional (‘l2’ by default) 用于規范化每個非零樣本（或如果軸為0，則每個非零特征）的范數。 |
| axis | 0 or 1, optional (1 by default) 用于標準化數據的軸。如果為1，則獨立標準化每個樣本，否則（如果為0）則標準化每個特征。 |
| copy | boolean, optional, default True 設置為False可以執行就地行規范化并避免復制（如果輸入已經是numpy數組或scipy.sparse CSR矩陣，并且軸為1）。 |
| return_norm | boolean, default False 是否返回計算的范數 |
| 返回 | 說明 |
|---|---|
| X | {array-like, sparse matrix}, shape [n_samples, n_features] 標準化輸入X。 |
| norms | array, shape [n_samples] if axis=1 else [n_features] X沿給定軸的一組規范數組。當X稀疏時，將針對規范'l1'或'l2'引發NotImplementedError。 |
另見：
使用Transformer API（例如，作為預處理sklearn.pipeline.Pipeline的一部分）執行標準化。
注釋
有關不同縮放器，轉換器和規范化器的比較，請參閱examples/preprocessing/plot_all_scaling.py。