5、數據歸一化（或者標準化，注意歸一化和標準化不同）的原因

要強調：能不歸一化最好不歸一化，之所以進行數據歸一化是因爲各維度的量綱不相同。而且需要看情況進行歸一化。

有些模型在各維度進行了不均勻的伸縮後，最優解與原來不等價（如SVM）需要歸一化。
有些模型伸縮有與原來等價，如：LR則不用歸一化，但是實際中往往通過迭代求解模型參數，如果目標函數太扁（想象一下很扁的高斯模型）迭代算法會發生不收斂的情況，所以最好進行數據歸一化。