数据进行归一化之后就行拟合

归一化是将数据缩放到相似的范围，以避免某些特征对模型的影响过大。通过归一化，可以将不同特征的值域缩放到相同的范围内，使得模型更加稳定和准确。

归一化后，可以使用各种机器学习算法来拟合数据，如线性回归、逻辑回归、支持向量机等。拟合的目的是找到一个函数模型，使其能够准确地预测未知的数据。在拟合过程中，需要选择合适的模型和参数，以最大程度地减小误差。

总之，归一化是数据预处理的一种重要方法，可以提高模型的准确性和稳定性，而拟合则是机器学习的核心任务之一，可以根据数据特征选择不同的算法和模型来实现。