数据标准化（归一化）处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。以下是两种常用的归一化方法：
一、min-max标准化（Min-Max Normalization）
也称为离差标准化，是对原始数据的线性变换，使结果值映射到[0 - 1]之间。转换函数如下：
二、Z-score标准化方法
这种方法给予原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。经过处理的数据符合标准正态分布，即均值为0，标准差为1，转化函数为：
其中µ为所有样本数据的均值，分母为所有样本数据的标准差。
三、标准化方法标准分数
绝对标准差：asd=(1/card(x)) * ∑|Xi-µ|
标准分数：mss=((每个值)-(中位数))/asd
归一化的情况：
1.所用数据挖掘方法基于特征的值来计算两个对象的距离
2.不同特征的尺度不同(比如房屋的卧室个数和价格 差别就特别大)。