歸一化（Normalization）是為了消除不同數據之間的量綱，方便數據比較和共同處理，比如在神經網絡中，歸一化可以加快訓練網絡的收斂性；
1. 把數據變為（0，1）之間的小數，主要是為了方便數據處理，因為將數據映射到0~1范圍之內，可以使處理過程更加便捷、快速。
2. 把有量綱表達式變換為無量綱表達式，成為純量。經過歸一化處理的數據，處於同一數量級，可以消除指標之間量綱和量綱單位的影響，提高不同數據指標之間的可比性。
3. 主要算法：線性轉換，即min-max歸一化（常用方法）
y=(x-min)/(max-min)
標准化（Standarlization）是為了方便數據的下一步處理，而進行的數據縮放等變換，並不是為了方便與其他數據一同處理或比較，比如數據經過0-1均值標准化后，更利於使用標准正態分布的性質進行處理；
正則化（Regularization）是利用先驗知識，在處理過程中引入正則化因子（regulator）,增加引導約束的作用，比如在邏輯回歸中使用正則化，可以有效降低過擬合的現象。