Trong trường hợp không có nghĩa, đó là do một số mô hình học máy không bao gồm thuật ngữ sai lệch trong biểu diễn của chúng, vì vậy chúng tôi phải di chuyển dữ liệu xung quanh nguồn gốc trước khi đưa nó vào thuật toán để kết luận thiếu thuật ngữ sai lệch. Trong trường hợp phương sai đơn vị, đó là do rất nhiều thuật toán học máy sử dụng một số loại khoảng cách (ví dụ Euclide) để quyết định hoặc dự đoán. Nếu một tính năng cụ thể có giá trị rộng (nghĩa là phương sai lớn), khoảng cách sẽ bị ảnh hưởng nhiều bởi tính năng đó và ảnh hưởng của các tính năng khác sẽ bị bỏ qua. Nhân tiện, một số thuật toán tối ưu hóa (bao gồm cả độ dốc) có hiệu suất tốt hơn khi dữ liệu được chuẩn hóa.