数据归一化模拟 ：在机器学习中，我们常需要将特征缩放到 $[0, 1]$ 区间。请补全以下函数，使 用 NumPy 实现：$x_{new} = \frac{x - x_{min}}{x_{max} - x_{min}}$。 import numpy as np def min_max_normalize(data): """ 对输入的二维数组 data（每一列为一个特征）进行归一化。 要求：计算每一列的最小值和最大值。 """ # 1. 计算每一列的最小值 (提示：利用 axis 参数) col_min = # 你的代码 # 2. 计算每一列的最大值 col_max = # 你的代码 # 3. 执行归一化公式并返回 # 注意：这里会触发广播机制 normalized_data = # 你的代码 return normalized_data # 测试数据 X = np.array([[ 10 , 2 ], [ 20 , 4 ], [ 30 , 6 ]]) # 预期结果：第一列变为[0, 0.5, 1], 第二列变为[0, 0.5, 1]