正規化與標準化
特徵縮放可避免某些特徵在建模時主導其他特徵。正規化（Normalization）與標準化（Standardization）是最常用的特徵縮放技術。正規化通常將特徵縮放到 [0, 1]，讓它們大致在相同尺度上；標準化則將資料轉換為平均數為 0、變異數為 1，能保留更多離群值的資訊，且不會將範圍限制在固定區間。matplotlib.pyplot 已以 plt 匯入，MinMaxScaler 與 StandardScaler 已匯入，且已將心臟病資料的特徵分割為 X_train 與 X_test。
本練習屬於課程
端到端機器學習
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Show the initial distribution of 'age'
age = ____
plt.figure(figsize=(10,5))
plt.hist(____, bins=30, alpha=0.5, label='Original')
plt.legend(prop={'size': 16})
plt.title('Histogram with Original Age');
plt.xlabel('Age'); plt.ylabel('Count');
plt.show()