几种数据标准化的方法

最小-最大标准化（Min-Max标准化）：
这种方法将数据线性地映射到[0,1]的范围内。公式为：z = (x - min) / (max - min)，其中x是原始数据，min和max分别是原始数据的最小值和最大值。

Z-Score标准化：
这种方法将数据转化为标准正态分布，均值为0，标准差为1。公式为：z = (x - mean) / std，其中x是原始数据，mean是原始数据的均值，std是原始数据的标准差。

小数定标标准化：
这种方法通过移动小数点的位置来将数据映射到[-1,1]的范围内。公式为：z = x / 10^k，其中x是原始数据，k是一个使得所有数据的绝对值最大值小于1的常数。

均值方差标准化：
这种方法将数据转化为均值为0，方差为1的分布。公式为：z = (x - mean) / sqrt(var)，其中x是原始数据，mean是原始数据的均值，var是原始数据的方差。

Sigmoid标准化：
这种方法将数据通过Sigmoid函数映射到[0,1]范围内。公式为：z = 1 / (1 + exp(-x))，其中x是原始数据。

需要根据具体的数据和应用场景选择合适的标准化方法。