课程百度架构师手把手教深度学习>使用飞桨重写房价预测模型中使用的归一化，我觉得有点问题。

源代码如下

maximums, minimums, avgs = training_data.max(axis=0), training_data.min(axis=0), \
                                 training_data.sum(axis=0) / training_data.shape[0]
    
    # 记录数据的归一化参数，在预测时对数据做归一化
    global max_values
    global min_values
    global avg_values
    max_values = maximums
    min_values = minimums
    avg_values = avgs

    # 对数据进行归一化处理
    for i in range(feature_num):
        #print(maximums[i], minimums[i], avgs[i])
        data[:, i] = (data[:, i] - avgs[i]) / (maximums[i] - minimums[i])

为什么这里要用训练数据的最大，最小，均值来对全体数据进行归一化呢？不应该用全体数据的最大，最小，均值来进行归一化吗？