归一化和标准化的联系与区别及建议

归一化和标准化是数据预处理中常用的两种方法。它们都是为了调整数据的尺度，使得数据更符合我们的分析需求。虽然二者的目的相同但是具体实现方式和适用场景却有所不同。下面，我们来详细介绍-下它们的联系和区别。

一、联系

归一化和标准化都能够使得数据的尽度缩放到不同的范围内，可以提高数据处理和分析的准确性。它们都是在预处理数据之前进行的，目的是将数据预处理成为更易于分析处理的形式。一般情况下，它们应用在机器学习领域中，常常用来处理具有不同特征值和范围的数据。

二、区别

1.定义

归一化：是指将数据映射到0到1的范围内，使得特征数据中的所有数据都能够采用相同的标准进行度量。

标准化：是指通过对数据进行变换，使得数据满足均值为0，标准差为1的正态分布

2.处理方式

归一化：通过对数据进行线性变换，将数据压缩到 0到1的范围内如最小-最大规范化，则是将数据的最小值映射为 0，最大值映射为 1,中间的数值按线性比例进行缩放。

标准化：通过对每个数据点减去平均值，然后除以标准差的方式，将数据调整到均值为 0，方差为 1