归一化法（Normalization Method）是一种 将有量纲的数据转换成无量纲的数据表达的方法。它的主要作用是简化计算过程，消除特征之间的量纲差异，从而增强模型的效果。
归一化可以通过不同的数学变换实现，包括：
最小-最大归一化（Min-Max Normalization）：
将数据缩放到指定范围（通常为[0,1]或[-1,1]），保持原始数据分布的形状不变。公式为：X' = （X - X_min） / （X_max - X_min）。
z-score归一化：
将数据转换为均值为0，标准差为1的标准正态分布。公式为：z = （x - μ） / σ，其中x是原始数据，μ是均值，σ是标准差。
对数函数转换：
例如，以10为底的对数函数转换，公式为：y = log10（x）。
反余切函数转换：
公式为：y = atan（x） * 2 / PI。
线性函数转换：
将输入值换算为[-1,1]区间的值，在输出层用线性函数换算回初始值。公式为：y = （x - MinValue） / （MaxValue - MinValue）。
归一化在多种计算和数据分析中都有广泛应用，例如在色谱定量方法中用于样品中各组分的百分含量计算，在电路分析和信号系统中用于简化复数阻抗的计算，以及在机器学习和数据预处理中用于提高模型的性能和准确性。
通过归一化，不同尺度和量纲的数据可以被统一到一个共同的尺度上，从而便于进行比较、计算和分析。