所謂數據的中心化是指數據集中的各項數據減去數據集的均值。
例如有數據集1, 2, 3, 6, 3，其均值為3,那麼中心化之後的數據集為1-3,2-3,3-3,6-3,3-3,即：-2,-1,0,3,0。數據中心化是為了消除量綱對數據結構的影響，因為不同變量之間單位不一樣，會造成各種統計量的偏誤。
在回歸問題和一些機器學習算法中，以及訓練神經網絡的過程中，通常需要對原始數據進行中心化（Zero-centered或者Mean-subtraction（subtraction表示減去））處理和標準化（Standardization或Normalization）處理數據標準化（歸一化）處理是數據挖掘的一項基礎工作，不同評價指標往往具有不同的量綱和量綱單位，這樣的情況會影響到數據分析的結果，為了消除指標之間的量綱影響，需要進行數據標準化處理，以解決數據指標之間的可比性。原始數據經過數據標準化處理後，各指標處於同一數量級，適合進行綜合對比評價。
所謂數據的中心化是指數據集中的各項數據減去數據集的均值。
例如有數據集1, 2, 3, 6, 3，其均值為3,那麼中心化之後的數據集為1-3,2-3,3-3,6-3,3-3,即：-2,-1,0,3,0。數據中心化是為了消除量綱對數據結構的影響，因為不同變量之間單位不一樣，會造成各種統計量的偏誤。
在回歸問題和一些機器學習算法中，以及訓練神經網絡的過程中，通常需要對原始數據進行中心化（Zero-centered或者Mean-subtraction（subtraction表示減去））處理和標準化（Standardization或Normalization）處理數據標準化（歸一化）處理是數據挖掘的一項基礎工作，不同評價指標往往具有不同的量綱和量綱單位，這樣的情況會影響到數據分析的結果，為了消除指標之間的量綱影響，需要進行數據標準化處理，以解決數據指標之間的可比性。原始數據經過數據標準化處理後，各指標處於同一數量級，適合進行綜合對比評價。