归一化和标准化是否改变数据分布的问题

最近在做关于ECG的降噪实验，在数据处理过程中需要进行归一化的操作，因此对常见的标准化和归一化做一下总结。

归一化

归一化的目的

1. 将数值变为（0,1）之间的小数
2. 把有量纲的表达式变为无量纲的表达式

归一化的优点

1. 提升模型的收敛速度
2. 提升模型的精度
3. 深度学习中数据归一化可以防止模型梯度爆炸

常见的数据归一化方法

1. min-max归一化: $x^{{}^{\prime }}=\frac{x-min(x)}{max(x)-min(x)}$

这种是对数据的数值范围进行特定缩放，但不改变其数据分布的一种线性特征变换

#min-max数据归一化
import numpy as np
import matplotlib.pyplot as plt
import numpy as np
import scipy.io as sio
import os
import seaborn as sns
#Seaborn是一种基于matplotlib的图形可视化python libraty。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。
import matplotlib
font_set=