數據標準化（歸一化）處理是數據挖掘的一項基礎工作，不同評價指標往往具有不同的量綱和量綱單位，這樣的情況會影響到數據分析的結果，爲了消除指標之間的量綱影響，需要進行數據標準化處理，以解決數據指標之間的可比性。原始數據經過數據標準化處理後，各指標處於同一數量級，適合進行綜合對比評價。歸一化化就是要把你需要處理的數據經過處理後（通過某種算法）限制在你需要的一定範圍內。首先歸一化是爲了後面數據處理的方便，其次是保正程序運行時收斂加快。
一、 標準化
標準化方法是對原始數據進行線性變換。設minA和maxA分別爲屬性A的最小值和最大值，將A的一個原始值x通過 標準化映射成在區間[0,1]中的值 ，其公式爲：
新數據=（原數據-極小值）/（極大值-極小值）
也稱爲離差標準化，是對原始數據的線性變換，使結果值映射到[0 - 1]之間。轉換函數如下：
其中max爲樣本數據的最大值，min爲樣本數據的最小值。這種方法有個缺陷就是當有新數據加入時，可能導致max和min的變化，需要重新定義。
二、z-score 標準化
這種方法基於原始數據的均值（mean）和標準差（standard deviation）進行數據的標準化。將A的原始值x使用z-score標準化到x'。
z-score標準化方法適用於屬性A的最大值和最小值未知的情況，或有超出取值範圍的離羣數據的情況。
新數據=（原數據-均值）/標準差
這種方法給予原始數據的均值（mean）和標準差（standard deviation）進行數據的標準化。經過處理的數據符合標準正態分佈，即均值爲0，標準差爲1，轉化函數爲：
其中 u爲所有樣本數據的均值， *所有樣本數據的標準差。
例如：spss默認的標準化方法就是z-score標準化。
用Excel進行z-score標準化的方法：在Excel中沒有現成的函數，需要自己分步計算，其實標準化的公式很簡單。
步驟如下：
1.求出各變量（指標）的算術平均值（數學期望）xi和標準差si ；
2.進行標準化處理：
zij＝（xij－xi）／si
其中：zij爲標準化後的變量值；xij爲實際變量值。
3.將逆指標前的正負號對調。
標準化後的變量值圍繞0上下波動，大於0說明高於平均水平，小於0說明低於平均水平。
三、Decimal scaling小數定標標準化
這種方法通過移動數據的小數點位置來進行標準化。小數點移動多少位取決於屬性A的取值中的最大絕對值。將屬性A的原始值x使用decimal scaling標準化到x'的計算方法是：
x'=x/(10*j)
其中，j是滿足條件的最小整數。
例如 假定A的值由-986到917，A的最大絕對值爲986，爲使用小數定標標準化，我們用1000（即，j=3）除以每個值，這樣，-986被規範化爲-0.986。
注意，標準化會對原始數據做出改變，因此需要保存所使用的標準化方法的參數，以便對後續的數據進行統一的標準化。
四、對數Logistic模式
新數據=1/（1+e^(-原數據)）
對數函數轉換，表達式如下：
y=log10(x)
說明：以10爲底的對數函數轉換。
五、模糊量化模式
新數據=1/2+1/2sin[3.1415/（極大值-極小值）*（X-（極大值-極小值）/2） ] X爲原數據
反餘切函數轉換，表達式如下：
y=atan(x)*2/PI
如果想要將數據映射到[-1,1]，則將公式換成：
x* = x* * 2 -1