https://www.zhihu.com/question/20467170 （参看z.defying，myazi 的回答）
归一化，又称最大最小值归一化，特点为：
①其特征变换后的值严格在范围区间内，如 [0,1]；
②不会改变数据分布；
③会使特征量纲相同，不会有大数值特征掩盖小竖直特征的情况，相当于去掉了特征的权重；
优点为：
①加速模型收敛；
②特征量纲相同，会提升模型精度；
③当使用sigmoid作为激活函数时，bp时躲开非饱和区，加速模型收敛。
缺点为：
①如果奇异数据比较多，则分母max-min不准确，造成精度影响；
对适用范围的思考：
①对数据范围有严格要求时；
②对于图像，因为像素值介于[0,255]，所以经常被使用；
③不想改变特征分布时；
标准化，特点如下：
①特征变换后的值没有严格的范围区间；
②会改变特征分布~N（0,1）；
③会使特征量纲大致相同，不会有大数值特征掩盖小竖直特征的情况，相当于去掉了特征的权重；
优点为：
①由于使loss下降由扁圆图变为了类圆图，加速了模型收敛；
缺点为：
①改变了数据分布情况，可能导致模型精度下降；
原文：https://www.cnblogs.com/liutianrui1/p/12851183.html