标准化和归一化的区别?

标准化是将数据缩放到均值为0、标准差为1的分布，归一化是将数据缩放到0到1的区间。两者都是数据预处理方法，但适用场景不同。

区别

标准化：适合数据分布接近正态的情况，比如考试成绩、身高体重等。它能消除量纲影响，保留原始数据的分布特征。标准化后的数据可能有负值，比如-1到3之间，适合线性模型和聚类算法。计算时用原始值减去均值再除以标准差，结果更稳定。

归一化：适合数据分布不均匀或范围差异大的情况，比如图像像素、收入数据。它将数据压缩到0到1之间，便于比较不同量纲的特征。归一化后的数据都在正数区间，适合距离计算和神经网络。计算时用原始值减去最小值再除以最大值减最小值，结果受异常值影响较大。