- Feature scaling
当我们所面临多维特点问题的时候,我们需要保证多维数特点都具有相近的尺度,这将有益于梯度降落算法更快地收敛。
以房价预测问题为例,假定我们使用的两种特点,即房屋尺寸和房间数量,尺寸值的取值范围是0⑵000平方英尺,而房间数量的取值范围是0⑸,这就会致使梯度降落算法需要非常屡次的迭代才能收敛:
为此,我们需要对多维特点进行放缩,以实现所有特点的尺度都尽可能在⑴~1之前。因此,我们的解决方法是令:
其中,(训练样本中某1种特点的平均值)是均值,(训练样本中某1种特点的最大值与最小值的差)是标准差。