La normalización min-max transforma cada valor de una variable en función de su posición relativa entre el valor mínimo y máximo observados, de forma que el valor mínimo original queda en 0, el máximo en 1, y todos los valores intermedios se distribuyen proporcionalmente en ese rango.
Cuándo se prefiere frente a la estandarización
Es especialmente útil cuando se necesita que los datos queden estrictamente dentro de un rango acotado, como al alimentar ciertas redes neuronales con funciones de activación sensibles a ese rango, aunque es más sensible a valores atípicos extremos que la estandarización tradicional.