什么情况下不能选取最小-最大规范化（Min-Max Normalization），而应选取z-score标准化（Standardization）

最小-最大规范化（Min-Max Normalization）与z-score标准化（Standardization）都是常用的数据预处理方法，但它们适用的场景略有不同。

最小-最大规范化适用于特征值分布有确定范围的情况，比如图像处理中像素值范围通常在0到255之间，此时可以使用最小-最大规范化将特征值缩放到0到1的范围内。

而z-score标准化适用于特征值分布没有确定范围的情况，比如各种不同单位的数据混合在一起时，此时可以使用z-score标准化将特征值转化为均值为0、标准差为1的分布。这可以保证不同特征值之间的数量级差异不会对模型产生较大的影响。

因此，当特征值分布没有确定范围时，应该选择z-score标准化而不是最小-最大规范化。