scikit-learn提供了一系列转换库，他们可以清洗，降维，提取特征等。
在数据转换中有三个很重要的方法，fit，fit_transform,transform
ss=StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)
初学时候好奇为何，训练样本用fit_transform，而测试样本用transform？
仔细阅读官方文档发现，fit方法是用于从一个训练集中学习模型参数，其中就包括了归一化时用到的均值，标准偏差。transform方法就是用于将模型用于位置数据，fit_transform就很高效的将模型训练和转化合并到一起，训练样本先做fit，得到mean，standard deviation，然后将这些参数用于transform（归一化训练数据），使得到的训练数据是归一化的，而测试数据只需要在原先得到的mean，std上来做归一化就行了，所以用transform就行了。
StandardScaler对矩阵作归一化处理，变换后的矩阵各特征均值为0，方差为1
网上抄来抄去都是一个意思，
fit_transform是fit和transform的组合。
我们知道fit（x，y）在新手入门的例子中比较多，但是这里的fit_transform(x)的括号中只有一个参数，这是为什么呢？
fit(x,y)传两个参数的是有监督学习的算法，fit(x)传一个参数的是无监督学习的算法，比如降维、特征提取、标准化
然后解释为什么出来fit_transform（）这个东西，下面是重点：
fit和transform没有任何关系，之所以出来这么个函数名，仅仅是为了写代码方便，
所以会发现transform（）和fit_transform（）的运行结果是一样的。
运行乳腺癌相关的机器学习代码，数据集是代码自动从网上下载的。参考https://blog.csdn.net/ljyljyok/article/details/79722089
x_train原来数据
运行transform之后，其实是做了归一化
