Coursera Machine Learning 學習筆記（九）

- Feature scaling

       當我們所面臨多維特徵問題的時候，我們需要保證多維數特徵都具有相近的尺度，這將有利於梯度下降算法更快地收斂。

       以房價預測問題爲例，假設我們使用的兩種特徵，即房屋尺寸和房間數量，尺寸值的取值範圍是0-2000平方英尺，而房間數量的取值範圍是0-5，這就會導致梯度下降算法需要非常多次的迭代才能收斂：

      

       爲此，我們需要對多維特徵進行放縮，以實現所有特徵的尺度都儘量在-1~1之前。因此，我們的解決方法是令：

      
       其中，（訓練樣本中某一種特徵的平均值）是均值，（訓練樣本中某一種特徵的最大值與最小值的差）是標準差。