这个最终范围是-1到1吧，应该也可以自我感觉

比如我有两个数据 0、100，标准化后为-1、1。再取abs两个数据就都变成1了，对应原数据就是100、100了。

比如我又两个数据 0，100，标准化后为-1,1.再取abs两个数据就都变成1了，对应元数据就是100,100了。

如果数据有正有负，取个abs是不是改变数据分布了？

这个理解了。

如果有正数  也有负数   取个abs就行

没影响

最大值和最小值是对称的，不过一般标准化用的多一点

全是负数的目的是什么，能加速优化么？还是没影响？

减去最小值后数据就会全部是正数

减去平均值就能使数据正负数平衡了。

不是，只是单纯缩放特征。正态分布是（x - mean）/ std

请问这个是不是想搞标准正态分布的类似 均值是0 方差为1

如果向保证（0，1）之间，可以试试（x - min）/ （max - min）

如果你仔细观察就会发现，maximums[i]和minimums[i]中的值是axis=0，即列上的值，所以很有可能某一个特征减去最大最小成了负数，但是最终的结果一定在（-1，1）之间，举个例子吧：

假设我们的数据如下，最后一列是y，其他列代表x的一个特征

面积  年龄  是否朝南  楼层数  价格

100   10           1           3     100W

200     5           0           5     300W

300     1           1          3      800W

以面积100为例，（100 - mean）/ （max - min）= （100 - 200）/ （300 - 100） = -0.5

减最大值其实也行

load_data()函数主要步骤就是那个归一化，但是不理解那个公式那个变量是平均值而不是最小值

load_data()函数看看？