在机器学习中用于特征缩放的两种最著名的技术中：

• 将特征归一化为$[0, 1]$范围，通过$x - x_{min} \over x_{max} - x_{min}$

或者

• 对特征进行标准化（也称为 z 分数），其中是均值，是标准差。$x - μ \over σ$$μ$$σ$

有什么理由更喜欢其中一个吗？与某些算法一起使用时，是否有任何一种优于另一种？