標準化（データ分析）

特徴量エンジニアリングの手法の一つで、各値から平均を引いて標準偏差で割り、平均0・分散1にそろえる変換。単位や桁の異なる特徴量を同じ尺度で比較でき、距離を使う手法（k-means法、k近傍法など）や勾配降下法による学習が安定する。最小値0・最大値1の範囲に収めるmin-max正規化と区別する。

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。

テーブル内のすべての属性値がスカラー値（それ以上分解できない原子的な値）である状態。繰り返し項目や複合値を排除し、各セルに1つの値だけが入るようにする。

第1正規形を満たし、かつ主キーの一部に対する部分関数従属を排除した状態。主キーが複合キーの場合に、主キー全体ではなくその一部の属性だけに依存する非キー属性を別テーブルに分離する。

第2正規形を満たし、かつ推移関数従属を排除した状態。非キー属性が他の非キー属性に依存する推移的な従属関係を解消し、別テーブルに分離する。

ある属性が主キー全体に対して関数的に従属している状態。複合キーの場合、キーの一部分だけでは決まらず、キー全体が揃って初めて値が一意に定まる関係を指す。

複合主キーの一部の属性だけで、ある非キー属性の値が一意に決まる関係。第2正規化で排除すべき従属関係であり、部分従属のある属性を別テーブルに分離する。

属性Aが属性Bを決定し、属性Bが属性Cを決定するとき、属性Aが属性Cを間接的に決定する関係。第3正規化で排除すべき従属関係であり、推移的に従属する属性を別テーブルに分離する。