什麼是數據標準化(Normalization)？
數據的標準化(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，將其轉化爲無量綱的純數值，便於不同單位或量級的指標能夠進行比較和加權。其中最典型的就是數據的歸一化處理，即將數據統一映射到[0,1]區間上，常見的數據歸一化的方法有:min-max標準化(Min-maxnormalization)也叫離差標準化，是對原始數據的線性變換，使結果落到[0,1]區間，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。這種方法有一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。而並非所有數據標準化的結果都映射到[0,1]區間上，其中最常見的標準化方法就是Z標準化，也是SPSS中最爲常用的標準化方法:z-score 標準化(zero-meannormalization)也叫標準差標準化，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，其轉化函數爲:其中μ爲所有樣本數據的均值，σ爲所有樣本數據的標準差。
標準化方法
1.規範化方法
- 也叫離差標準化，是對原始數據的線性變換，使結果映射到[0,1]區間。
2.正規化方法
- 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。
- spss默認的標準化方法就是z-score標準化。
3.歸一化方法
