归一化（Normalization）
1.把数据变为（0，1）之间的小数。主要是为了方便数据处理，因为将数据映射到0～1范围之内，可以使处理过程更加便捷、快速。
2.把有量纲表达式变换为无量纲表达式，成为纯量。经过归一化处理的数据，处于同一数量级，可以消除指标之间的量纲和量纲单位的影响，提高不同数据指标之间的可比性。
主要算法：
1.线性转换，即min-max归一化（常用方法）
y=(x-min)/(max-min)
2. 对数函数转换
y=log10(x)
3.反余切函数转换
y=atan(x)*2/PI

标准化（Standardization）
数据的标准化是将数据按比例缩放，使之落入一个小的特定区间。
主要方法：
1.z-score标准化，即零-均值标准化（常用方法）
y=(x-μ)/σ
是一种统计的处理，基于正态分布的假设，将数据变换为均值为0、标准差为1的标准正态分布。但即使数据不服从正态分布，也可以用此法。特别适用于数据的最大值和最小值未知，或存在孤立点。
2.小数定标标准化
y=x/10^j （j确保max(|y|)<1）
通过移动x的小数位置进行标准化
3.对数Logistic模式
y=1/(1+e^(-x))