首先，您并不总是需要对输入向量（特征向量）进行归一化（标准化），有时是好的，有时是坏的。通常，当一个特征的大小支配其他特征时，您会缩放特征向量，因此模型无法获取较小幅度特征的贡献。阅读此处了解详细说明。

其次，机器学习问题有两大类：分类和回归。在分类类型问题中，输出（因变量）是离散的，因此您不需要对其进行归一化。

在回归类型问题中，缩放输出不会影响函数的形状，请参见此处。此外，它不会影响像均方误差这样的误差函数，即误差也会被缩放。