資料的標準化（normalization）是將資料按比例縮放，使之落入一個小的特定區間。在某些比較和評價的指標處理中經常會用到，去除資料的單位限制，將其轉化為無量綱的純數值，便於不同單位或量級的指標能夠進行比較和加權。

　　其中最典型的就是資料的歸一化處理，即將資料統一對映到[0,1]區間上，常見的資料歸一化的方法有：

min-max標準化(Min-max normalization)

　　也叫離差標準化，是對原始資料的線性變換，使結果落到[0,1]區間，轉換函式如下：

　　其中max為樣本資料的最大值，min為樣本資料的最小值。這種方法有一個缺陷就是當有新資料加入時，可能導致max和min的變化，需要重新定義。

log函式轉換

　　通過以10為底的log函式轉換的方法同樣可以實現歸一下，具體方法如下：

　　看了下網上很多介紹都是x*=log10(x)，其實是有問題的，這個結果並非一定落到[0,1]區間上，應該還要除以log10(max)，max為樣本資料最大值，並且所有的資料都要大於等於1。

atan函式轉換

　　用反正切函式也可以實現資料的歸一化：

　　使用這個方法需要注意的是如果想對映的區間為[0,1]，則資料都應該大於等於0，小於0的資料將被對映到[-1,0]區間上。

　　而並非所有資料標準化的結果都對映到[0,1]區間上，其中最常見的標準化方法就是Z標準化，也是SPSS中最為常用的標準化方法：

z-score 標準化(zero-mean normalization)

　　也叫標準差標準化，經過處理的資料符合標準正態分佈，即均值為0，標準差為1，其轉化函式為：

　　其中μ為所有樣本資料的均值，σ為所有樣本資料的標準差。