机器学习的作业，做最小距离分类器
给了61条数据，然后有6个特征一个结果（1，0）
算法步骤如下

• 先将61条数据按照结果进行分类（1的是数据集data1，0是数据集data0）

• 经过分类后，将各个特征的数值进行归一化（将数值缩到0-1之间），对data0和data1求特征中心

• 求出特征中心后，写一个判断的函数judgesample()：对于一个测试样本X，分别求关于两个特征中心的欧氏距离，离哪个近就将测试集划分到哪个类里。

这里做归一化，是因为各个特征的数据值不是一个标准，有的特征可能是布尔型，有的特征可能是0-10之间，有的特征是0-100之间，有的特征是0-20之间，而且分布情况也不一样，都在0-100之间的两个特征，一个可能在20-30之间分布，另一个可能都在90-100之间分布。
归一化的公式：

归一化公式

欧式距离公式
对于点X(x1,x2,...,xn)，点Y(y1,y2,...,yn)
这两个点的欧式距离：

欧氏距离公式

python代码放在我的GitHub上了。。。
https://github.com/JerryLoveCoding/Minimum_distance_classification