归一化（Normalization）是一种重要的数据预处理技术，主要用于消除数据特征之间的量纲和尺度差异，使得各个特征具有相同的尺度。这样做可以帮助一些机器学习算法更好地学习和理解数据。

归一化通常将数据缩放到0和1之间（或者-1和1之间），或者使其满足某种统计分布，如均值为0，标准差为1的正态分布。

常见的归一化方法包括最小-最大归一化（Min-Max Normalization）、Z-Score标准化、分位数归一化等。不同的归一化方法可能适用于不同的数据和算法。例如，神经网络通常需要输入数据被归一化到0和1之间，或者满足均值为0，标准差为1的分布。