I maskininlärning underlättas beräkningar av att förminska tal och göra dem mer lätthanterliga för algoritmer. Därför normaliserar man ofta data genom att omvandla data till ett visst intervall (vanligtvis intervallet mellan 0 och 1).

Normalisering ska inte förväxlas med standardisering - där data istället omvandlas för att få ett medelvärde på 0 och en standardavvikelse på 1.

Normalisering och standardisering är båda användbara tekniker för att rensa data, och har olika fördelar för olika användningsområden. Exempelvis är standardisering viktigt i affärsanalys och när datamängden innehåller statistiska egenskaper man vill bara.