在數據預處理中，常用的數據標準化方法主要包括但不限于以下幾種：

1、極差標準化法(Min-Max Scaling)

這種方法通過將數據按比例縮放，使之落入一個特定的區間，通常是[0, 1]。計算公式為X' = (X - Xmin) / (Xmax - Xmin)。這種方法的優點是處理后的數據便于比較，且不受量級影響;缺點是當有新數據加入時，可能需要重新定義區間并計算。

2、Z-Score標準化法(Standardization)

這種方法通過減去均值并除以標準差，使數據符合標準正態分布，即均值為0，標準差為1。公式為x_i^* = (x_i - μ) / σ。它的優點是計算簡單，能夠消除量級的影響;缺點是在數據量較大時需要使用樣本均值和標準差代替總體均值和標準差，可能會引起分析結果的差異，且較大程度上改變了數據的原始意義。

3、小數定標規范化

這種方法通過移動數據的小數點來進行標準化，適用于處理特別大或特別小的數據值，使其落在一個較小的區間內，如[-1, 1]。

4、十進制位移標準化

這種方法基于數據的最大絕對值，通過除以最大絕對值的適當次方來標準化數據。

需要注意的是，在選擇標準化方法時，需要考慮數據的特性和分析需求。例如，如果數據分布近似正態分布，Z-Score標準化可能更為合適;而如果關注變量之間的相對大小，極差標準化可能更加適用。每種方法都有其優缺點，選擇合適的方法對于數據分析的結果有著重要影響。