Z-score 标准化
在R语言中： scale（）
适用范围
1.数据的最大值和最小值未知
2.有超出取值范围的离群数据
经过处理的数据符合标准正态分布，即均值为0，标准差为1，其转化函数为：
x∗=（x−μ）/σ
标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。
缺点
- 估算Z-Score需要总体的平均值与方差，但是很难得到，大多数情况下是用样本的均值与标准差替代。
- 对于数据的分布有一定的要求，正态分布是最有利于Z-Score计算的。
- Z-Score消除了数据具有的实际意义，算出来的值与之前的变量已经没有关系了，因此Z-Score的结果只能用于比较数据间的结果，数据的真实意义还需要还原原值。
min-max标准化 /0-1标准化/离差标准化
对原始数据的线性变换，使结果落到[0,1]区间，转换函数如下：
其中max为样本数据的最大值，min为样本数据的最小值。
如果想要将数据映射到[-1,1]，则将公式换成：
x∗=(x−xmean)/(xmax−xmin)
x_mean表示数据的均值。
缺陷
当有新数据加入时，可能导致max和min的变化，需要重新定义
使用情况
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。
2、在不涉及距离度量、协方差计算，数据不符合正态分布的时候，可以使用第一种方法或其他归一化方法。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。
来源：CSDN
作者：babychrislee3
链接：https://blog.csdn.net/babychrislee3/article/details/103748836