数据标准化

有时候由于不同时间或者不同机器做出来的几组实验会存在一定的差异，这个时候就需要进行归一化处理，使得这几组实验结果能够在同一水平线下对话。

https://www.cnblogs.com/followyourheart/articles/3349899.html

1、 Max-Min标准化/离差标准化

该方法将某个变量的观察值减去该变量的最小值，然后除以该变量的离差，其标准化的数值落到[0,1]区间，转换函数为：x’=(x-min)/(max-min)，其中max为样本的最大值，min为样本的最小值。

该方法对原始数据进行线性变换，保持原始数据之间的联系，其缺陷是当有新数据加入时，可能导致max或min的变化，转换函数需要重新定义。

2、Z-score 标准化/标准差标准化/零均值标准化

该方法将某变量中的观察值减去该变量的平均数，然后除以该变量的标准差，标准化后的数据符合标准正态分布，即均值为0，标准差为1，转化函数为：x’=(x-μ)/σ，其中μ为所有样本数据的均值，σ为所有样本数据的标准差。

该方法对离群点不敏感，当原始数据的最大值、最小值未知或离群点左右了Max-Min标准化时非常有用，Z-Score标准化目前使用最为广泛的标准化方法。