markdown表格

First Header	Second Header	Third Header
Content Cell	Content Cell	Content Cell
Content Cell	Content Cell	Content Cell

标题一	标题二	标题三
001	cpu1	master
002	cpu2	slave

标准化方法	数学公式	优点	缺点	区间
Z-Score	(x^' = (x-mean)/std)	默认标准化方法，生成数据以0为均值，方差为1的正态分布。	一种中心化方法，会改变原有数据的分布结构，不适合用于对稀疏数据做处理。	[0,1]
Max-Min	(x^'=(x-min)/(max-min))	应用广泛，对数据线性变换，能较好地保持原有数据结构。	可能出现分母为0，导致计算溢出。	[0,1]
MaxAbs	$x^'=x/	max	$	不破坏原有数据分布结构，可以用于稀疏数据、稀疏的CSR或CSC
RobustScaler	-	针对离群点做标准化处理，对数据中心华和数据的缩放健壮性有更强的参数控制能力。能最大限度地保留数据集中的异常。	-	-

First Header | Second Header | Third Header 
---------------- | --------------------- | ----------------
Content Cell | Content Cell | Content Cell 
Content Cell | Content Cell | Content Cell 





标题一 | 标题二 | 标题三 
-----------------|-----------------------|-------------------
001 | cpu1 | master 
002 | cpu2 | slave 



标准化方法|数学公式|优点|缺点|区间
--------|--------|---------|---------|---------
Z-Score|$x^' = (x-mean)/std$|默认标准化方法，生成数据以0为均值，方差为1的正态分布。|一种中心化方法，会改变原有数据的分布结构，不适合用于对稀疏数据做处理。|[0,1]
Max-Min|$x^'=(x-min)/(max-min)$|应用广泛，对数据线性变换，能较好地保持原有数据结构。|可能出现分母为0，导致计算溢出。|[0,1]
MaxAbs|$x^'=x/|max|$|不破坏原有数据分布结构，可以用于稀疏数据、稀疏的CSR或CSC|-|[-1, 1]
RobustScaler|-|针对离群点做标准化处理，对数据中心华和数据的缩放健壮性有更强的参数控制能力。能最大限度地保留数据集中的异常。|-|-