正規化されました：
1）データ間の小数は、（0,1）または（1,1）となります。主によって提案されたデータ処理の便宜のために、データが0のプロセス、より便利で速い1の範囲にマッピングされます。
2）無次元式は無次元表現になる、または表示を容易にするために、異なるユニットの順序を比較して重み付けすることができます。正規化は、計算を単純化するための方法であるスカラーなっ次元表現への変換によって、表現の次元を持ってしようとしています。
標準化：
標準化：
機械学習では、我々はそのような情報は、高い寸法であってもよく、そのような音声及び画像の画素値として、異なるタイプのデータ、に対処する必要がある可能性があり、データの標準化は、各う特徴平均の値は、それぞれ（0となりますサポートベクターマシン、ロジスティック回帰、および神経回路網）：標準偏差が1になる）元データの特徴である平均の特徴の値を減算し、この方法は、広く、例えば、多くの機械学習アルゴリズム（に使用されています。
要約：データは正規化された（行）であるが、形質転換され、変換、正規化された特徴（列）です。