在数据处理中，“标准化”（Standardization）和"归一化"（Normalization）是两种常用的数据预处理技术，它们用于调整数据的尺度，使得数据在分析或模型训练中更加公平和有效。
下面是两种方法的基本介绍：
标准化（Standardization）：
- 也称为Z-score标准化。
- 目的是将数据的分布转换为均值为0，标准差为1的标准正态分布。
公式：
- 其中，𝑥x 是原始数据点，𝜇μ 是数据的均值，𝜎σ 是数据的标准差。
归一化（Normalization）：
- 也称为Min-Max归一化。
- 目的是将数据的范围缩放到[0, 1]区间内。
- 公式：
- 其中，𝑥x 是原始数据点，min(𝑋)min(X) 和 max(𝑋)max(X) 分别是数据集中的最小值和最大值。
两者的主要区别在于：
- 标准化假设数据近似正态分布，通过Z分数转换数据，适用于大部分统计分析和机器学习算法。
- 归一化不假设数据的分布，只是将数据缩放到一个固定的范围，适用于需要数据在特定范围内的算法，比如神经网络。
选择使用哪种方法取决于具体的应用场景和数据特性。
