归一化后有两个好处：
（1）归一化后加快了梯度下降求最优解的速度。
（2）归一化有可能提高精度（归一化是让不同维度之间的特征在数值上有一定的比较性）
常见的数据归一化方法
归一化（Min-max标准化）
标准化（Z-score标准化）
归一化（Min-max标准化）
（1）min-max标准化（Min-Max Normalization）（线性函数归一化）
定义：也称为离差标准化，是对原始数据的线性变换，使得结果映射到0-1之间。
本质：把数变为【0,1】之间的小数。
转换函数：（X-Min）/(Max-Min)
如果想要将数据映射到-1,1，则将公式换成：（X-Mean）/(Max-Min)
缺陷：当有新数据加入时，可导致max和min的变化，需要重新定义
对异常值敏感
2）0均值标准化（Z-score standardization）
定义：这种方法给与原始数据的均值（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.
本质：把有量纲表达式变成无量纲表达式。
转换函数：（X-Mean）/(Standard deviation)
其中，Mean为所有样本数据的均值。Standard deviation为所有样本数据的标准差
参考博客：
