归一化与标准化
特征缩放有助于确保在建模时没有某个特征压过其他特征。归一化与标准化是常用的特征缩放技术。归一化通常将特征缩放到 [0, 1] 区间，使其量纲大致一致。标准化将数据变换为均值为 0、方差为 1，这样可以保留更多关于异常值的信息且不对取值范围做上界约束。已将 matplotlib.pyplot 以 plt 导入，MinMaxScaler 和 StandardScaler 已导入，心脏病数据的特征已按训练集和测试集分别导入为 X_train 和 X_test。
本练习是课程的一部分
端到端机器学习
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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()