網上講得比較亂
有些部落格把歸一化和標準化認為一致，主要是覺得normalization這個詞語翻譯成標準化和歸一化都沒啥問題

Min-Max scaling（歸一化），也可以使用normalization，但是谷歌上不推薦
，公式是：

網上通俗的說法是：用來消除量鋼的影響。
這個說法是不準確的，因為有的特徵顯然需要比重大一些，有的需要比重小一些。
這個“消除量鋼影響”的說法其實是預設資料特徵是一視同仁、同等重要的。
歸一化用來處理行
效果是針對特徵對應的列之間的權重一致

z-score normalization(標準化)，
有的部落格認為，由於Min-Max scaling也可以翻譯成Min-Max normalization
所以他們認為歸一化也是一種報準化，這種說法也行，其實就是翻譯問題。

嶺迴歸和Lasso時候，SVM，KNN中，標準化是必須的
線性迴歸、邏輯迴歸、決策樹、隨機森林、梯度上升，不需要標準化

轉載自：
https://blog.csdn.net/shwan_ma/article/details/80154888

中心化