分类目录：《深入理解机器学习》总目录

---

归一化 （Normalization）和标准化 （Standardization）都是特征缩放的方法。特征缩放是机器学习预处理数据中最重要的步骤之一，可以加快梯度下降，也可以消除不同量纲之间的差异并提升模型精度。

归一化（Normalization）是将一组数据变换到某个固定区间中。通常，将映射到$[0，1]$区间，而图像中可能会映射到$[0,255]$，其他情况还可能映射到$[-1,1]$。而标准化（Standardization）是在不改变原始的数据分布的情况下，将数据的分布变换为均值为0，标准差为1。所以标准化也可以视为一种特殊的归一化，故我们也称标准化为Z值归一化。

• 标准化（Standardization）/Z值归一化（Z-Score Normalization）：
  $$x_i^{\prime }=\frac{x_i-x_{\text{mean}}}{\sigma (x)}$$
• 最大最小值归一化（Min-Max Normalization）：
  $$x_i^{\prime }=\frac{x_i-x_{\text{min}}}{x_{\text{max}}-x_{\text{min}}}$$
• 均值归一化（Mean Normalization）
  $$x_i^{\prime }=\frac{x_i-x_{\text{mean}}}{x_{\text{max}}-x_{\text{min}}}$$