1，标准归一化。
　　将原始数据集归一化为均值为0、方差1的数据集，归一化公式如下：

<script type="math/tex; mode=display" id="MathJax-Element-17"> x^* = \frac{x-\mu}{\delta} </script>　　其中μμ<script type="math/tex" id="MathJax-Element-18">\mu</script>为所有样本数据的均值，δδ<script type="math/tex" id="MathJax-Element-19">\delta</script>为所有样本数据的标准差。

2，最大最小归一化。
　　将原始数据线性化的方法转换到[0 1]的范围，归一化公式如下：

<script type="math/tex; mode=display" id="MathJax-Element-20">x^* = \frac{x-x_{min}}{x_{max}-x_{min}}</script>　　其中xmaxxmax<script type="math/tex" id="MathJax-Element-21">x_{max}</script>为样本数据的最大值，xminxmin<script type="math/tex" id="MathJax-Element-22">x_{min}</script>为样本数据的最小值。这种方法有个缺陷就是当有新数据加入时，可能导致xmaxxmax<script type="math/tex" id="MathJax-Element-23">x_{max}</script>和xminxmin<script type="math/tex" id="MathJax-Element-24">x_{min}</script>的变化，需要重新定义。