如何使用类似于χ的数据将R中的数据规范化为[0,1]²-分布

我想将数据规范化为[0,1]，但是这个数组的分布非常不规则，有大量的低值和少量的大值，几乎80%的数据值在

[min（数据），3*min（数据）/4+1*max（数据）/4]

的范围内，这个范围内的数据分布与正态分布非常相似

因此，整个数据集类似于*χ²-分布*（由于声誉较低，我无法上传绘图（密度（数据））图片）。 该数据的信息如下所示：

 > max(data)
 > 25418
 > min(data)
 > 104
 > length(data)
 > 971
 > plot(density(data))

我试着用最大（x）-min（x）除以整个数据的方法

---

规格化取决于您是否接受线性规格化。如果你不想要线性标准化，你最好有一个很好的理由，“很多小值”不是一个很好的理由。总是将最小值设置为零，这些都是正数，对吗？因为数据的分布非常不均匀，几乎80%的数据在
[min（数据），3*min（数据）/4+1*max（数据）/4]的范围内
或者更极端。对于数据而言，如果值太大，则表示它非常重要，与大量较低的值相比，它的具体值可能没有那么重要。所以我只想把那些较大的值设置为接近1，不要把较小的值缩小太多。我恐怕这仍然不是一个非常明确的问题。我会投票关闭/迁移到CrossValidated，但我希望先看到它得到改进/取而代之。您能否进一步解释一下为什么要对数据进行规范化，也就是说，以后要对数据做什么，以及为什么当前的分布存在问题？这可能会对问题的答案产生很大影响……我之所以要对数据进行规范化，是因为我想将这些数据用于概率模型进行分析。坦率地说，我想将这些数据调整到[0，1]之间的范围，这在模型中用作概率值，与电流分布无关。但是当我使用线性标准化时，模型不能很好地拟合数据，性能也很差，所以我想这可能与我的标准化方法有关，数据收缩太多。你认为我把这个问题迁移到交叉验证会更合适吗？
normalized <- function(data){
    return (apply(data, FUN = function(x) (x-min(x))/(max(x)-min(x)))
}

data <- scale(data)