请说说什么是归一化？归一化有什么好处？

归一化是将数据按照一定的比例缩放到一个特定的范围内的过程。常见的归一化方法有最小-最大归一化和Z-score归一化。

最小-最大归一化（Min-Max normalization）将数据线性地映射到[0, 1]的范围内，公式为：
x' = (x - min) / (max - min)
其中，x'是归一化后的值，x是原始值，min和max分别是数据集中的最小值和最大值。

Z-score归一化（Standardization）通过计算数据的均值和标准差，将数据转换为均值为0，标准差为1的分布。公式为：
x' = (x - mean) / std
其中，x'是归一化后的值，x是原始值，mean是数据集的均值，std是数据集的标准差。

归一化的好处包括：
1. 提高模型的收敛速度：归一化可以使不同特征之间具有相同的尺度，避免了某些特征对模型训练的影响过大。
2. 提高模型的稳定性：归一化可以减小特征值的幅度差异，使得模型对异常值和噪声具有更好的鲁棒性。
3. 提高模型的解释性：归一化后的数据更容易被理解和解释，特征之间的比较更加直观。