机器学习中数据标准差极小的预处理策略

##机器学习中数据标准差极小的预处理策略
现有数据大致上服从正态分布，但是标准差极小，如果简单地归一化到[-1,1]处理，得到的数据90%会集中在[-0.3,0.3]中间，数据变得没有什么区分度，请问这种类型的数据应该用什么预处理的策略比较好？

在吴恩达的机器学习教学中说过，归一化后-0.3到0.3的数据是极好的。肉眼看是没什么区分度，但是当你的数据特征维度稍大一些，比如十维，二十维，三十维，那么在对应的维度空间里，样本和样本之间的距离还是很大的。