什么是归一化 数据归一化是什么意思？

1、归一化的概念

归一化是数据预处理中常用的一种方法，它是将数据按照一定比例缩放，使之落在一个特定的区间。这个特定的区间通常是[0, 1]或者[-1, 1]，通过这种方式对数据进行变换，可以使得不同量纲的特征维度具有可比性，避免因为维度量纲不同导致的问题。

2、归一化的方法

常见的归一化方法有最小-最大规范化（Min-Max Scaling）和Z-Score标准化（Z-Score Scaling）两种。

2.1、最小-最大规范化

最小-最大规范化是将数据按照线性比例缩放到[0, 1]区间内。对于给定数据集X，计算方法如下：

Max和Min分别为样本中的最大值和最小值。

最小-最大规范化的优点是，对于数据分布未知的情况下，将数据归一化到[0, 1]区间内是一个相对合理的选择。

2.2、Z-Score标准化

Z-Score标准化方法是将原始数据变换为均值为0，方差为1的正态分布样本数据。对于给定数据集X，计算方法如下：

μ和σ分别为样本的均值和标准差。

Z-Score标准化方法的优点是可以使得数据按照相同的标准进行比较。但是如果数据服从正态分布，则该方法效果较好，否则不一定适用。

3、应用范围

归一化的应用范围较为广泛。在机器学习、数据挖掘等领域，由于不同特征的量纲不同，直接使用原始数据会影响模型的性能，因此需要先对数据进行归一化预处理。在图像处理、信号处理等领域，归一化则可以提高处理的效率。