数据归一化和标准化的区别?

数据归一化和标准化都是数据预处理方法，但目的不同。归一化将数据缩放到0到1之间，适合数据范围差异大的场景；标准化将数据转化为均值为0、标准差为1的分布，适合数据分布接近正态的情况。归一化受异常值影响大，标准化则相对稳定。

区别

数据归一化：通过最小-最大缩放将数据压缩到0到1区间，公式为（X-min）/（max-min）。这种方法简单直观，适合图像处理或神经网络输入，但对极端值敏感，比如一个异常值会让整个数据分布严重偏移。它更适合数据范围固定且无极端值的场景。

数据标准化：使用Z-score转换，公式为（X-均值）/标准差。它让数据均值为0、标准差为1，消除量纲影响，适合机器学习算法如SVM或KNN。标准化对异常值不敏感，能保持数据分布形状，但要求数据近似正态分布，否则效果可能打折扣。