数据标准化(normalization)是一个常用的数据预处理操作，就是对原始各项指标数据按比例进行缩放，将数据的单位限制去除，转化为无规模、无量纲的纯数值，减少规模、特征、分布差异等对模型的影响，以便于不同单位或量级的指标能够进行比较和加权。

下面小编整理了三种最常用的标准化方法：min-max法（规范化方法），z-score法（正规化方法），归一化。

1.min-max法（规范化方法）也叫离差标准化，是对原始数据的线性变换，使结果映射到[0.1]区间

2.Z-Score（正规化方法）标准化是基于原始数据的均值和标准差进行的标准化。

标准化之后的数据是以0为均值，方差为1的正态分布。需要注意的是：Z-Score方法是一种中心化方法，这会改变原有数据的分布结构，对于稀疏数据的处理不太适合。

z-score的简单化模型：y=1/(1+x) ，x越大证明y越小，这样就可以把很大的数规范在[0-1]之间了。

3.归一化

注意该方法主要用于全部数据为正值的序列。