高中統計有學過「數據標準化」：其實就是大學常講的 Z-Score (Z-分數)，又稱為「Standard Score (標準分數)」。英文維基上稱此方法是一種「Standardizing」或是「Normalizing、Normalization」
其中 Normalization 又是統計學的專業用語，和高中的認知相同，就是將不同比例的資料可以映射至相同的比例尺做比較。除了 Z-Score，另一個常用的方法是「Min-max Feature Scaling」，以及其他五花八門的方法 https://en.wikipedia.org/wiki/Normalization_(statistics)
數據分析上 (統計、大數據、機器學習、深度學習) Normalization 就是分析資料前需要做的一個步驟，又稱為「資料預處理」，然而不知為何中文文章或書籍也會把 Normalization 翻譯為「正規化」，也許是想形容此方法是在「使各種規格統一」之類的意思吧。但問題是這個名字也造成許多混淆，不同領域都有所謂的「正規化」，而且不光是中文模糊，連英文也常常叫作 Normalization，但本質上又是不同的東西。例如：機器學習 (Machine Learning) 領域針對 Cost Function 的某種調整方法也稱為正規化；資料庫對資料表的處理也稱為正規化；正規語言與自動機不但有正規化語言，也仍有一個演算法步驟叫作正規化。這種現象如同 Synchronization (同步) 已經被各種領域用爛了 (每個人心中都有自己的 Synchronization )。
難道不能取別的名字嗎？(′?ω?`)
達人
