A和C选项都无法起到该效果

在KNN（K-近邻）算法中，预测概率的推估可以通过以下方法来实现：

B: 拉普拉斯修正法 (Laplace Correction)

拉普拉斯修正法是一种常用的方法，用于在概率估计中避免出现概率为零的情况。具体来说，拉普拉斯修正法通过在每个类别的计数上加上一个小的常数（通常为1），从而确保每个类别的预测概率都不为零。这在处理小样本或类别不平衡的数据时尤为有用。

专业分析：
1. **数据正规化 (Data Normalization)** 主要用于将数据缩放到一个标准范围内，以提高算法的性能和收敛速度，但与预测概率的调整无关。
2. **数据一般化 (Data Generalization)** 是一种数据预处理技术，用于减少模型的过拟合，但也与预测概率的调整无关。
3. **拉普拉斯修正法 (Laplace Correction)** 则直接用于概率估计中，确保每个类别的概率不为零。

因此，正确答案是B: 拉普拉斯修正法 (Laplace Correction)。