Coursera Machine Learning 学习笔记（九）

- 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。