處理數據時經常會遇到比較兩個不同數據集的情況（比如比較具有不同教育水平地區學生的成績，比較不同網頁的受歡迎程度），這時就需要先將數據標准化，再進行比較。
數據的標准化（normalization）是將數據按比例縮放，使之落入一個小的特定區間。在某些比較和評價的指標處理中經常會用到，去除數據的單位限制，將其轉化為無量綱的純數值，便於不同單位或量級的指標能夠進行比較和加權。
網站數據分析上有一篇很好的帖子《數據的標准化》，里面詳細分析了歸一化（可以看成是特殊的數據標准化）常用的四種方法：
- min-max標准化
- log函數轉換：百度知道里確實有很多人說用log10歸一化。。。
- atan函數轉換
- z-score標准化
另外，在《統計數據標准化--無量綱化方法》中按照所使用的函數分為三種方法（這篇論文超級水）：
- 直線型無量綱法
- 折線形無量綱法
- 曲線型無量綱法
在選擇標准化方法前必須要先了解數據，再決定使用哪種方法。工程上需要保證性能且數據量很大的時候不適合用min-max， z-score, 他們都需要先遍歷所有數據一次，找出極值或均值后才能計算；一般情況下，如果數據的絕大部分集中分布在某個區間，折線法會讓數據具有可控的區分度，而且實現起來簡單，快速（雖然看上去有點糙）。