写一个将向量进行规范化使其具有统一的尺度以便进行机器学习算法的训练的程序

以下是一个将向量进行规范化的Python程序示例：

import numpy as np

def normalize_vector(v):
    norm = np.linalg.norm(v)
    if norm == 0:
        return v
    return v / norm

# 示例向量
v = np.array([1, 2, 3, 4, 5])

# 规范化向量
v_normalized = normalize_vector(v)

print("原始向量：", v)
print("规范化后的向量：", v_normalized)

输出：

原始向量： [1 2 3 4 5]
规范化后的向量： [0.13483997 0.26967994 0.40451992 0.53935989 0.67419987]

该程序使用了NumPy库中的linalg.norm函数来计算向量的范数，然后将向量除以范数以进行规范化。在进行机器学习算法训练前，可以将所有的样本向量都进行规范化，以确保它们具有统一的尺度。