数据归一化原理

1、min_max方法：

公式很简单(x - min) / (max - min)，一般用于处理有确切上下界样本。

2、z_score方法：

公式为：x* = (x - μ ) / σ，假设样本服从正态分布，一般用于处理无界且有均值的样本。

上述两种方法最常见的归一化方法，但预测数据可能大于max，或者小于min；或者不符合以前的均值方差，会造成一定误差。

3、非线性变换：

logisit函数或者正切函数，这样可以使得所有的数据得到一个普适的处理；但是由于函数的凹凸性，数据较大的样本会抹掉其基本特征。