Min-max scaling與z-score normalization同樣有著一組公式:
m = (x -xmin) / (xmax -xmin)

在此公式中的變數:

• m是正規化後的數值
• x是欲正規化的數值
• xmin是該批資料的最小值
• xmax是該批資料的最大值

使用此正規化方法，通常得出的結果是介於0-1之間的數值。當然此方法一樣可以手刻一個pandas的版本，但sklearn也已經有api可以使用:

from sklearn.preprocessing import MinMaxScaler

min_max = MinMaxScaler()
train_set_min_maxed_b = pd.DataFrame(min_max.fit_transform(train_set), 
                                     columns=train_set.keys())

比對正規化前後的差異:

正規化前後訓練模型的對照: