机器学习--python归一化特征值

在机器学习的算法训练中，有很多数据的特征值不止一个，特征值中有些属性的数字过大，从而对计算结果的影响太大，但是实际情况是每个属性都同等重要，这时候就要处理这种不同取值范围的特征值，通常采用数值归一化，将取值范围处理为0-1或者-1-1之间。
将任意取值范围的特征值转化为0–1区间内的值，公式如下：

newValue=(oldValue-min)/(max-min)

其中oldValue为原始数据
min、max分别是原始数据里最小、最大值
例如：有一组数据如下
400
134000
20000
32000
归一化的过程是：
400归一化之后的值newValue=（400-400）/（134000-400）
134000归一化之后的值newValue=（134000-400）/（134000-400）
20000归一化之后的值newValue=（20000-400）/（134000-400）
32000归一化之后的值newValue=（32000-400）/（134000-400）
上python代码：

def autoNorm(dataSet):
    min_value=dataSet.min(0)