min-max归一化有什么优缺点

有点：

 归一化就是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。

缺点：

（1）当有新数据加入时，可能导致max和min的变化，需要重新定义。

（2）最大值与最小值非常容易受异常点影响，所以这种方法鲁棒性较差，只适合传统精确小数据场景

（3）当样本中有异常点时，归一化有可能将正常的样本“挤”到一起去。

参考：

标准化和归一化的区别