Normalization مقیاس یا توزیع مقادیر داده را تغییر می‌دهد، برای مثال مقادیر را به بازه صفر تا یک می‌برد. این کار اثر تفاوت مقیاس ویژگی‌ها را در الگوریتم‌های حساس به فاصله کاهش می‌دهد.
نرمالیزیشن با Standardization یکسان نیست. پارامترهای تبدیل باید فقط از داده آموزش محاسبه شوند تا نشت اطلاعات رخ ندهد.
KNN بر اساس فاصله کار می‌کند، پس ویژگی درآمد با مقیاس میلیون و سن با مقیاس ده‌ها می‌تواند نتیجه را منحرف کند مگر اینکه داده مناسب Scale شود.
نرمالیزیشن داده با نرمال‌سازی دیتابیس یکی نیست
در یادگیری ماشین، Normalization می‌تواند مقیاس ویژگی‌ها را تغییر دهد. در دیتابیس، نرمال‌سازی درباره طراحی ساختار جداول و کاهش ناهنجاری‌های داده است. دو مفهوم را باید در زمینه خودشان تفسیر کرد.