之前一直搞不清楚这两者有什么区别，今天借鉴知乎
上面有几位大佬的回答，在此记录一下
归一化，标准化是四种特征缩放feature scaling的中文翻译

• rescaling, min-max normalisation

  
  Screen Shot 2020-04-15 at 12.50.37.png

• mean normalisation

  
  Screen Shot 2020-04-15 at 12.50.42.png

• standardisation

  
  Screen Shot 2020-04-15 at 12.50.51.png

• scale to unit length

  
  Screen Shot 2020-04-15 at 12.51.19.png

一般称第一种为归一化，第三种为标准化，两者都是将原始数据变化到某个区间内，归一化将原数据变化到【0，1】的范围内，标准化则是将数据变换为均值为0，标准差为1的分布

归一化，标准化的作用

• 去除数据量纲的影响，因为有的时候数据的数值变化范围比较大的时候，可能也会导致他在模型评估的时候占的比重也比较大
• 另外，在一些需要距离计算的模型当中，PCA，KNN，KMEANS之类的，如果不同维度的数据量纲不同，会导致结果过度依赖与那些量纲较大的特征
• 在梯度下降求解的时候，归一化或者标准化处理过的数据，模型的收敛速度会更快

什么时候用归一化，什么时候用标准化

引用
当涉及到距离运算的时候，标准化表现更好
当不涉及距离，协方差计算的时候，归一化表现更好