归一化

归一化（Normalization）是一种数据处理的方法， 处理后的数据被限制在某一个固定范围内，通常是 [0, 1] 或者 [-1, 1]。

在机器学习中，归一化是数据预处理的一个重要步骤，可以加快模型的收敛速度。

以下是几种常见的归一化方法：

Min-Max Normalization

Min-Max 归一化可以将数据调整到 [0, 1] 区间，最大值为 1，最小值为 0，其他数据以此为参照进行线性缩放。

Z-Score Normalization

Z-Score 归一化通过减去均值后除以标准差来实现，使得数据的均值为 0，标准差为 1，即呈现以 0 为轴的标准差为 1 的正态分布。