在KNN算法中进行预测概率的估计时，通常会采用一种叫做**拉普拉斯修正法（Laplace Correction）**的方法，以防止在计算概率时某一类别的概率为0。

### 正确答案：B: 拉普拉斯修正法 (Laplace Correction)

### 专业分析
- **KNN算法背景**：
- K-Nearest Neighbors（KNN）是一种基本的分类算法。它通过计算样本与训练数据集中各点的距离，将样本归类到其最近的K个邻居中最多的类别。

- **概率预测的问题**：
- 在KNN中，简单的概率估计可以通过计算某类别在K个邻居中的频率来完成。
- 如果某类别在K个邻居中没有实例，就会导致该类别的概率估计为0。

- **拉普拉斯修正法**：
- 拉普拉斯修正是一种常用于处理零概率问题的技术。
- 其基本思想是对每个类别的计数加1，这样可以避免某一类别的概率为0。
- 拉普拉斯修正公式：
\[
P(c|x) = \frac{n_c + 1}{N + k}
\]
其中：
- \( n_c \) 是类别c在K个邻居中的计数。
- \( N \) 是K的总数。
- \( k \) 是类别的总数。

### 其他选项分析
- **A: 数据正规化 (Data Normalization)**：
- 数据正规化用于数据预处理，以使数据在相同的尺度上进行比较。并不适用于概率估计的调整。

- **C: 数据一般化 (Data Generalization)**：
- 数据一般化通常指数据抽象化概念，与KNN概率估计无直接关系。

- **D: 以上皆非**：
- 错误，因为选项B是正确的。

通过上面的分析，我们可以确认拉普拉斯修正法是处理KNN算法预测概率不为0的正确方法。