本地图片预览的方式，参数归一化

图片预览的方式

不要等上传完毕再显示，需要一种快速本地浏览图片的方法。

实现方法：

1.URL.createObjectURL()

一个静态方法，创建一个DOMString，返回一个URL，URL和document绑定，表示指定的File对象。

2.FileReader.readAsDataURL()

一个FileReader上面的实例方法，读取指定的File对象，读取完成的时候触发回调，返回URL格式的字符串（base64）

异同

返回值 FileReader.readasDataUR(file)可以得到一段base64的字符串URL.createObjectURL(file)可以得到当前文件的一个内存URL 执行机制 FileReader.readAsDataURL(file)通过回调的形式返回，异步执行URL.createObjectURL(file)直接返回，同步执行 内存清理FileReader.readAsDataURL(file)依照JS垃圾回收机制自动从内存中清理*URL.createObjectURL(file)存在于当前doucment内，清除方式只有unload()事件或 revokeObiectURL()手动清除。

参数归一化

一个函数接收到的参数情况较多，就可能会导致函数在实现过程中产生很多分支，这会使代码开发和后期维护带来困难，所以使用参数归一化来解决该问题。参数归一化，不是是消除分支，而是用来合并分支的，可以使后续操作更加简洁。

参数归一化是数据预处理的一种重要技术，用于将不同量纲的数据转换到同一尺度，以便于进行有效的比较和分析。

实现方法

方法及其特点：

1. Min-Max归一化：也称为离差标准化，是一种线性变换方法，它将数据映射到[0, 1]的区间内。公式为 x* = (x - min) / (max - min)，其中 max 是样本数据的最大值，min 是样本数据的最小值。这种方法简单直观，但缺点是当有新数据加入时，可能会改变 max 和 min 的值，需要重新进行归一化处理。

2. Z-Score归一化：也称为标准差标准化，它将数据按其均值和标准差进行归一化，使归一化后的数据符合标准正态分布，即均值为0，标准差为1。这种方法适用于数据分布近似于高斯分布的情况。

3. 小数位归一化：通过将数据除以一个适当的基数（通常是10的幂），使所有数据的小数位数相同。这种方法适用于需要固定小数位数的应用场景。

4. 数据类型归一化：根据数据的类型（如分类数据、有序数据等）采用不同的归一化策略。

5. 格式归一化：统一数据的表示格式，例如日期时间的表示方式。

6. 剪裁归一化：通过设置上下限，将数据裁剪到特定的范围内。

7. 标准差归一化：类似于Z-Score归一化，但使用的是其他统计度量作为基准。

总的来说，归一化的目的是为了使不同量纲的数据能够在同一尺度下进行比较和分析，从而提高数据挖掘和机器学习模型的性能。在实际应用中，选择合适的归一化方法需要考虑数据的特性和模型的需求。