歸一是指將數(shù)據(jù)按比例縮放到相同的范圍內(nèi)，常常用于機器學習和數(shù)據(jù)挖掘領(lǐng)域。在 Python 中，可以使用 Scikit-learn 庫中的 MinMaxScaler 實現(xiàn)這個過程。

# 導入庫
from sklearn.preprocessing import MinMaxScaler
# 創(chuàng)建數(shù)據(jù)
data = [[1, 2], [3, 4]]
# 創(chuàng)建 MinMaxScaler 對象
scaler = MinMaxScaler()
# 縮放數(shù)據(jù)
scaled_data = scaler.fit_transform(data)
print(scaled_data)

在這個例子中，我們首先導入了 Scikit-learn 庫中的 MinMaxScaler 類。然后，我們創(chuàng)建一個二維數(shù)據(jù)集，包含兩個樣本和兩個特征。接著，我們創(chuàng)建了一個 MinMaxScaler 對象，它可以將數(shù)據(jù)縮放到 0 到 1 的范圍內(nèi)。最后，我們使用 fit_transform 方法縮放數(shù)據(jù)，并將結(jié)果打印出來。

可以看到，縮放之后的數(shù)據(jù)集位于0到1的范圍內(nèi)。這可以使得數(shù)據(jù)處于同樣的數(shù)值范圍內(nèi)，方便后續(xù)的處理和分析。