一、Scale包括兩部分：Standardization(標準化)和Centering(歸一化)

      1、Standardization：

        newX = (X- 均值) / 標準差(standard deviation)， newX 的均值=0，方差= 1,可用於發現離群點，Python中計算函式為preprocessing.scale和preprocessing.StandardScale，區別在於preprocessing.StandardScale可以儲存測試集上的均值、標準差,從而在訓練集做一樣的處理，

         2、Centering：

二、Normalization(正則化)：正則化的過程是將每個樣本縮放到單位範數（每個樣本的範數為1），可通過preprocessing.normalize()或preprocessing.Normalizer()進行轉換。preprocessing.normalize()中的引數norm可以選擇不同的正規化標準（l1,l2,max）

       p-範數的計算公式：||X||p=(|x1|^p+|x2|^p+...+|xn|^p)^1/p，l1,l2正規化分別指p=1或p=2的結果

       Standardization(標準化)和Centering(歸一化)處理後的結果沒有太大差別，建議採用標準化，採用梯度下降時一般用歸一化，在文字分類和聚類是採用Normalization(正則化)。