数字类型的各特征取值尺度范围可能不同，不同特征的取值范围可能不同，变化程度可能不同，归一化化会规避掉这种情况，使各特征都统一到一个大致相同的区间内。
常用的特征归一化方法有，线性函数归一化（Min-Max Scaling）、零均值归一化（Z-score Normalization）
通过梯度下降法求解的模型通常是需要归一化的，如线性回归、逻辑回归、支持向量机、神经网络等；但对于决策树模型则并不适用，决策树模型在分裂节点时，考虑的是数据集关于X的信息增益比，而信息增益比与特征是否经过归一化无关，因为归一化不会改变数据在特征X上的信息增益。
