处理数据时经常会遇到比较两个不同数据集的情况（比如比较具有不同教育水平地区学生的成绩，比较不同网页的受欢迎程度），这时就需要先将数据标准化，再进行比较。
数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。
网站数据分析上有一篇很好的帖子《数据的标准化》，里面详细分析了归一化（可以看成是特殊的数据标准化）常用的四种方法：
- min-max标准化
- log函数转换：百度知道里确实有很多人说用log10归一化。。。
- atan函数转换
- z-score标准化
另外，在《统计数据标准化--无量纲化方法》中按照所使用的函数分为三种方法（这篇论文超级水）：
- 直线型无量纲法
- 折线形无量纲法
- 曲线型无量纲法
在选择标准化方法前必须要先了解数据，再决定使用哪种方法。工程上需要保证性能且数据量很大的时候不适合用min-max， z-score, 他们都需要先遍历所有数据一次，找出极值或均值后才能计算；一般情况下，如果数据的绝大部分集中分布在某个区间，折线法会让数据具有可控的区分度，而且实现起来简单，快速（虽然看上去有点糙）。