数据标准化是 企业或组织对数据的定义、组织、监督和保护进行标准化的过程。数据标准化分为开发（D）、候选（C）、批准（A）驳回（R）、归档（X）几个过程。
数据标准化的分类有Min-max 标准化和z-score 标准化。
所以其公式为：
数据标准化=（原数据-最小值）/（最大值-最小值）
数据标准化计算公式
正态分布标准化的公式：Y=（X-μ）/σ～N（0，1）。证明因为X～N（μ，σ^2），所以P（x）=（2π）^（-1/2）*σ^（-1）*exp{[-（x-μ）^2]/（2σ^2）}。
注：F（y）为Y的分布函数，Fx（x）为X的分布函数。而F（y）=P（Y≤y）=P（（X-μ）/σ≤y）=P（X≤σy+μ）=Fx（σy+μ）。 所以p（y）=F'（y）=F'x（σy+μ）*σ=P（σy+μ）*σ=[（2π）^（-1/2）]*e^[-（x^2）/2]。
从而，N（0，1）。正态分布标准化的意义是可以方便计算，是一种统计学概念。原本的正态分布图形有高矮胖瘦不同的形态，实际上是积分变换的必然结果，就好比是：1。 y=kx+b直线，它不一定过原点的，但是通过变换就可以了：大Y=y-b大X=kx===>大Y=大X。
2。y=a*b乘积，通过变换就可以变成加法运算：Ln（y）=Lna+Lnb。3。y=ax²+bx+c通过变换就可以变成标准形式：y=a（x+b/（2a））²+（c-b²/（4a））。
正态分布的标准化也只不过是“积分变换”而已，虽然高矮胖瘦不同的形态，但是变量的线性伸缩变换并不改变其量化特性，虽然标准化以后都变成期望是0，方差是1的标准分布了，但这种因变量自变量的依赖关系仍然存在，不用质变”
