Normalization方法总结
归一化（Normalization）描述：
将数据映射到指定的范围，如：把数据映射到0～1或-1~1的范围之内处理。
作用：
数据映射到指定的范围内进行处理，更加便捷快速。
把有量纲表达式变成无量纲表达式，便于不同单位或量级的指标能够进行比较和加权。经过归一化后，将有量纲的数据集变成纯量，还可以达到简化计算的作用。
常见做法：Min-Max归一化
标准化（Normalization）注：在英文翻译中，归一化和标准化的翻译是一致的，而在实际使用中，我们需要根据实际的公式（或用途）去理解~
数据标准化方法有多种，如：直线型方法(如极值法、标准差法)、折线型方法(如三折线法)、曲线型方法(如半正态性分布)。不同的标准化方法，对系统的评价结果会产生不同的影响。其中，最常用的是Z-Score 标准化。
Z-Score 标准化其中，$\mu$为数据均值（mean），$\sigma$为标准差（std）。
描述：将原数据转换为符合均值为0，标准差为1的标准正态分布的新数据。
作用：
提升模型的收敛速度（加快梯度下降的求解速度）
提升模型的精度（消除量级和量纲的影响）
简化计算（与归一化的简化原 ...
