Normalization و Standardization چه تفاوتی دارند

---

:

**Normalization** و **Standardization** هر دو روش‌های پیش‌پردازش داده برای مقیاس‌بندی ویژگی‌ها هستند، اما نحوه انجام کارشان متفاوت است:

* **Min-Max Normalization:** داده‌ها را به بازه مشخصی (معمولاً بین 0 و 1) نگاشت می‌کند.
$$\text{X}_{\text{norm}} = \frac{\text{X} - \min(\text{X})}{\max(\text{X}) - \min(\text{X})}$$

* **Standardization (Z-Score):** داده‌ها را طوری تغییر می‌دهد که میانگین آن‌ها 0 و انحراف معیار آن‌ها 1 شود.
$$\text{X}_{\text{std}} = \frac{\text{X} - \mu}{\sigma}$$

**تفاوت کلیدی:**

* **Normalization** به شدت وابسته به مقادیر **حداقل (Min)** و **بیشینه (Max)** داده‌ها است و نتایج را محدود می‌کند.
* **Standardization** از میانگین ($\mu$) و انحراف معیار ($\sigma$) استفاده کرده و هیچ محدوده ثابت و قطعی برای خروجی تعیین نمی‌کند، بلکه توزیع نرمال‌سازی شده‌ای ایجاد می‌کند.

باید بسته به نوع داده و الگوریتم مورد استفاده، یکی را انتخاب کرد.