三种方法都能改变量纲。

要解决这个问题，我们首先需要理解每种方法是如何影响数据的量纲的：

### 选项分析

1. **对数据做归一化处理（Normalization）**：
- **描述**：归一化通常是将数据缩放到一个特定范围，如[0, 1]。
- **影响**：改变了数据的量纲，通过缩放将数据值映射到新的范围。
- **适用场景**：当特征的单位不同且希望它们在同一尺度上进行比较时。

2. **对数据做z-score标准化（Z-score Standardization）**：
- **描述**：标准化是通过减去均值并除以标准差来对数据进行调整，使得数据具有均值为0和标准差为1的标准正态分布。
- **影响**：消除了原始数据的单位，使得数据变得无量纲。
- **适用场景**：用于假设数据服从正态分布且需要特征的相对比例时。

3. **对数据取对数（Log Transformation）**：
- **描述**：对数变换是将数据的对数值作为新的数据。
- **影响**：改变了数据的量纲，尤其在数据分布较偏时，可以使分布更接近正态。
- **适用场景**：常用于处理偏态分布的数据以减少极值的影响。

### 正确答案

**D: 以上都是**

- **原因分析**：所有选项中的方法都会改变数据的量纲：
- 归一化将数据调整到特定范围。
- z-score标准化消除了量纲影响，使特征的比较只关注其相对于均值的偏离。
- 对数变换通过改变数据的尺度影响量纲，尤其用于减小数据的偏态。

因此，以上方法都能够改变数据的量纲。