规范化是消除设计不良的数据库缺陷的过程。设计不良的数据库会导致不一致，并在添加，删除或更新信息时造成问题。以下内容使数据库规范化成为数据库设计过程中的关键步骤- 解数据规范化的意义：提高模型精度：规范化可以让不同维度之间的特征在数值上有一定比较性，可以大大提高分类器的准确性。提升收敛速度：数据规范化后，最优解的寻优过程明显会变得平缓，
∩▂∩ 数据规范化通常用“范式(normal forms)”定义消除数据冗余的程度。1) 第一范式(1NF) 每个属性值都必须是原子值，即仅仅是一个简单值而不含内部结构。2) 第二范式(2NF) 提升金融服务水平，引导创业投资企业加大对数据要素型企业的投入力度，鼓励征信机构提供基于企业运营数据等多种数据要素的多样化征信服务，支持实体经济企业特别是中小微企业数字化转
关系数据库的规范化说的通俗一些就是对表的规范化。规范化的必要性：根据项目的需求，我们会创建相应的数据库表格来完成项目中的数据的存储。这已经成为做项目的固定流程了，但是在最小-最大规范化也称为离散标准化，是对原始数据的线性变换，将数据值映射到[0, 1]之间。公式为：离散标准化保留了原来数据中存在的关系，是消除量纲和数据取值范围影响的最简单方法
⊙▽⊙ 物资编目是指采用统一的标准规范，按照“一种物品一个名称、一个标识、一组描述数据”的形式，对物资的标识属性、自然属性、功能属性等基础信息进行标准化处理而其次是加强培训，如组织学习信息工程原理、面向数据方法和Sond/MISATS 开发工具的使用方法，使班子成员和用户信息员学会识别企业职能，分析业务活动和数据库规范化等工作方
数据规范-Normalization是深度学习中我们很容易忽视，也很容易出错的问题。我们训练的所有数据在输入到模型中的时候都要进行一些规范化。例如在pytorch中，有些2.数据建模的意义1.格式化：数据模型是对数据结构和关系的简洁定义能够够评估当前或者理想情况下业务规则对数据的影响情况。2.范围定义：数据模型可以帮助解
