Coursera Machine Learning 学习笔记（九）

- Feature scaling

       当我们所面临多维特征问题的时候，我们需要保证多维数特征都具有相近的尺度，这将有利于梯度下降算法更快地收敛。

       以房价预测问题为例，假设我们使用的两种特征，即房屋尺寸和房间数量，尺寸值的取值范围是0-2000平方英尺，而房间数量的取值范围是0-5，这就会导致梯度下降算法需要非常多次的迭代才能收敛：

       为此，我们需要对多维特征进行放缩，以实现所有特征的尺度都尽量在-1~1之前。因此，我们的解决方法是令：

      
       其中，（训练样本中某一种特征的平均值）是均值，（训练样本中某一种特征的最大值与最小值的差）是标准差。

Coursera Machine Learning 学习笔记（九）

原文：http://blog.csdn.net/jojozhangju/article/details/44085525