数据归一化，标准化的方法

数据归一化和标准化是常用的数据预处理方法，用于将不同尺度或分布的数据转换为统一的范围或分布。下面是两种常见的方法：

1. 数据归一化（Min-Max Scaling）：
数据归一化是将数据线性映射到指定的范围，通常是[0, 1]或[-1, 1]。具体步骤如下：
- 找到数据集中的最小值（min）和最大值（max）。
- 对于每个数据点，使用以下公式进行归一化处理：
归一化后的值 = (原始值 - min) / (max - min)
这种方法适用于数据分布没有明显边界的情况。

2. 数据标准化（Standardization）：
数据标准化通过减去均值并除以标准差，将数据转换为均值为0，标准差为1的分布。具体步骤如下：
- 计算数据集的均值（mean）和标准差（std）。
- 对于每个数据点，使用以下公式进行标准化处理：
标准化后的值 = (原始值 - mean) / std
这种方法适用于数据分布有明显边界且存在离群值的情况。