博主學習的源頭，感謝！https://www.jianshu.com/p/95a8f035c86c
歸一化 （Normalization）、標准化 （Standardization）和中心化/零均值化 （Zero-centered）
歸一化：１）把數據變成(０，１)或者（1,1）之間的小數。
標准化：使每個特征中的數值平均變為0(將每個特征的值都減掉原始資料中該特征的平均)、標准差變為1
中心化：平均值為0，對標准差無要求
歸一化和標准化的區別：歸一化是將樣本的特征值轉換到同一量綱下把數據映射到[0,1]或者[-1, 1]區間內，僅由變量的極值決定，因區間放縮法是歸一化的一種。標准化是依照特征矩陣的列處理數據，其通過求z-score的方法，轉換為標准正態分布，和整體樣本分布相關，每個樣本點都能對標准化產生影響。
標准化和中心化的區別：標准化是原始分數減去平均數然后除以標准差，中心化是原始分數減去平均數。 所以一般流程為先中心化再標准化。
什么時候用歸一化？什么時候用標准化？
??（1）如果對輸出結果范圍有要求，用歸一化。
??（2）如果數據較為穩定，不存在極端的最大最小值，用歸一化。
??（3）如果數據存在異常值和較多噪音，用標准化，可以間接通過中心化避免異常值和極端值的影響。
哪些模型必須歸一化/標准化？SVM KNN 神經網絡（數值問題、求解需要【初始化、梯度、學習率、搜索軌跡】） PCA