归一化/标准化实质是一种线性变换，线性变换有很多良好的性质，这些性质决定了对数据改变后不会造成“失效”，反而能提高数据的表现，

（1）无量纲化

例如房子数量和收入，因为从业务层知道，这两者的重要性一样，所以把它们全部归一化。 这是从业务层面上作的处理。

（2）避免数值问题

太大的数会引发数值问题。摘自数据预处理：归一化和标准化 - 知乎 (zhihu.com)

M是上界

m是下界

上述是一致化

下来是无量纲化

防止大数据吃小数据

1.向量归一化，每一个向量÷其他向量之和，在0-1范围之内=

2.极差变换法

对于正向指标=

对于逆向指标

线性比例法：

顺便介绍两种一般不太用的综合评价法

1.线性加权综合法

用线性加权函数作为综合评价模型，对n个习题进行综合评价

各评价指标之间相互独立，对不完全独立的情况，不能反映实际

权重系数对评价结果的影响明显

2.非线性加权综合法

用非线性函数

要求xj大于0

各指标之间有较强关联性

对数据要求比较高，指标数值不能为0，负数

乘除容易拉开评价档次，对小数值变动比较敏感