归一化法计算公式：最小-最大归一化：（x-min）/（max-min）均值-标准差归一化：（x-mean）/std，log归一化：log（x）。

是一种常用的数据处理方法，用于将数据集中的值映射到0-1的范围内。归一化法有很多种，其中最常用的方法包括最小-最大归一化、均值-标准差归一化和log归一化。归一化法，以归一化的方法将有量纲的数据转换成无量纲的数据表达。作用是归纳统一样本的统计分布性。

归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。比如，复数阻抗可以归一化书写：Z=R+jωL=R（1+jωL/R），注意复数部分变成了纯数量了，没有任何量纲。

微波之中也就是电路分析、信号系统、电磁波传输等，有很多运算都可以如此处理，既保证了运算的便捷，又能凸现出物理量的本质含义。在统计学中，归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归一化在-1+1之间是统计的坐标分布。

归一化法是一种常用的数据处理方法的作用：

1、取消各维数据之间的数量级差别，避免因为输入输出数据数量级差别大而造成网络预测误差过大。

2、为了后面数据处理的方便，归一化可以避免一些不必要的数值问题。

3、统一量纲。样本数据的评价标准不一样，需要对其量纲化，统一评价标准。

4、避免神经元饱和。当神经元的激活在接近0或者1时，在这些区域，梯度几乎为0，这样在反向传播过程中，局部梯度就会接近于0，这样非常不利于网络的训练。