기본 변환
훈련 자료의 최솟값 m과 최댓값 M이 다르면 z=(x-m)/(M-m)이다. 목표 범위가 a부터 b이면 a+(b-a)z로 바꾼다. 각 특징의 최소·최대는 따로 계산해 저장하고 이후 입력에도 같은 통계를 쓴다.
범위 밖 새 입력
훈련값이 (10,20,30)이면 0부터 1 변환 결과는 (0,0.5,1)이다. 새 값 40은 1.5, 새 값 0은 -0.5가 된다. 훈련 범위의 양 끝을 맞추었다는 것과 모든 미래 자료를 그 안에 가둔다는 것은 다른 조건이다.
클리핑의 정보 손실
변환 결과를 추가로 0부터 1 사이에 잘라 넣으면 새 값 40과 50이 모두 1로 바뀔 수 있다. 이렇게 합쳐진 결과만으로 두 원래 값을 구분해 복원할 수 없다. 클리핑은 분포 변화의 원인을 해결하는 연산도 아니다.
이상치와 상수 특징
대부분의 값이 0부터 10인데 훈련 최댓값이 1000이면 보통 값은 변환 뒤 0부터 0.01에 몰릴 수 있다. 모든 값을 같은 범위로 옮겨도 이상치의 상대적 영향이 사라지지 않는다. M=m인 상수 특징의 분모 0 처리와 검증 자료를 제외한 통계 계산도 확인해야 한다.