歸一化化定義：我是這樣認為的，歸一化化就是要把你需要處理的資料經過處理後（通過某種算法）限制在你需要的一定範圍内。首先歸一化是為了後面資料處理的友善，其次是保正程式運作時收斂加快。
資料歸一化的目的是為了把不同來源的資料統一到一個參考系下，這樣比較起來才有意義。
資料歸一化，很重要。比如在用svm分類時，資料尺度不統一對分類準确率影響很大。歸一化一般将資料規整到一個小範圍之間，如[0,1]或[-1,1],具體的方法一範求和或二範求模歸一化等。
資料标準化（歸一化）處理是資料挖掘的一項基礎工作，不同評價名額往往具有不同的量綱和量綱機關，這樣的情況會影響到資料分析的結果，為了消除名額之間的量綱影響，需要進行資料标準化處理，以解決資料名額之間的可比性。原始資料經過資料标準化處理後，各名額處于同一數量級，适合進行綜合對比評價。以下是兩種常用的歸一化方法：
也稱為離差标準化，是對原始資料的線性變換，使結果值映射到[0 - 1]之間。轉換函數如下：
其中max為樣本資料的最大值，min為樣本資料的最小值。這種方法有個缺陷就是當有新資料加入時，可能導緻max和min的變化，需要重新定義。
這種方法給予原始資料的均值（mean）和标準差（standard deviation）進行資料的标準化。經過處理的資料符合标準正态分布，即均值為0，标準差為1，轉化函數為：
