参考
归一化
常用的方法是通过对原始数据进行线性变换把数据映射到[0,1]之间，变换函数为：
x∗=x−xminxmax−xminx∗=x−xminxmax−xmin
不同变量往往量纲不同，归一化可以消除量纲对最终结果的影响，使不同变量具有可比性。在不涉及距离度量、协方差计算、数据不符合正太分布的时候，可以使用归一化方法。比如图像处理中，将RGB图像转换为灰度图像后将其值限定在[0 255]的范围。
标准化
常用的方法是z-score标准化，经过处理后的数据均值为0，标准差为1，公式是：
x∗=x−uσx∗=x−uσ
该种归一化方式要求原始数据的分布可以近似为高斯分布，均值为0，标准差为1。在分类、聚类算法中，需要使用距离来度量相似性的时候、或者使用PCA技术进行降维的时候，Z-score standardization表现更好。