对sklearn中transform()和fit_transform()的深入理解

       在用机器学习解决问题时，往往要先对数据进行预处理。其中，z-score归一化和Min-Max归一化是最常用的两种预处理方式，可以通过sklearn.preprocessing模块导入StandardScaler()和 MinMaxScaler()接口实现，而在调用这两个接口时，有三种方法：fit(), fit_transform() , transform()。
但是，查阅了许多博客以及官方文档，都没有把这几个函数的区别讲清楚。
因此，今天花了半天时间，把这个问题探索清楚。
还是先提一下这两个归一化方法。
z-score归一化: x = (x - x的均值）/ x的方差
Min-Max归一化: x = (x - x的最小值) / (x的最大值 - x的最小值)       
官方文档：

只有两行文字解释，说了等于没说，。。。= =
So, 下面通过实验来验证。为了让文章更简洁，这里只挑选了项目中的部分代码。
1、通过 fit_transform() 对训练集进行归一化，这里采用Min-Max归一化

对sklearn中transform()和fit_transform()的深入理解最先出现在Python成神之路。