標準化

データ分析の前処理で、各データから平均を引いて標準偏差で割り、平均0、標準偏差1のデータに変換すること。単位や大きさの異なる変数を同じ尺度で比較・分析できるようにする。変換後の値を z スコアという。

データの各値から平均を引き、標準偏差で割って、平均0・標準偏差1の値（zスコア）に変換すること。単位や尺度の異なる変数を比較・統合できるようにする前処理で、主成分分析や機械学習の前によく行う。最小値を0、最大値を1にそろえる正規化（min-max正規化）と区別される。

特徴量エンジニアリングの手法の一つで、数値をしきい値で区切って0と1の2値に変換すること。「購入金額が1万円以上か」のように、量の大小よりも条件を満たすかどうかに意味がある場合に使い、外れ値の影響も抑えられる。画像処理では、画素の濃淡をしきい値で白と黒に分ける処理を指す。

特徴量エンジニアリングの手法の一つで、年齢や金額のような連続値を「20代」「30代」のような区間（ビン）に分け、カテゴリに変換すること。等間隔で区切る方法や各区間の件数が等しくなるように区切る方法があり、外れ値やノイズの影響を抑え、非線形な関係を単純なモデルで扱いやすくする。区切り方によっては必要な情報が失われる。

データの値をその対数に置き換える変換。所得や売上金額のように、少数の大きな値に引っ張られて右に裾の長い分布を正規分布に近い形に整え、外れ値の影響を和らげる。掛け算の関係を足し算の関係として扱える利点もあるが、0や負の値はそのままでは変換できないため、1を加えるなどの工夫が要る。