1. 为什么要做特征归一化/标准化？
数据预处理中，通常会用到特征归一化，为什么要做归一化呢？一般有两点：
消除特征间单位和尺度差异的影响
特征间的单位（尺度）可能不同。比如身高和体重，比如摄氏度和华氏度，比如房屋面积和房间数，一个特征的变化范围可能是[1000, 10000]，另一个特征的变化范围可能是[-0.1, 0.2]，在进行距离有关的计算时，单位的不同会导致计算结果的不同，尺度大的特征会起决定性作用，而尺度小的特征其作用可能会被忽略，为了消除特征间单位和尺度差异的影响，以对每维特征同等看待，需要对特征进行归一化。-
加速模型收敛速度
原始特征下，因尺度差异，其损失函数的等高线图可能是椭圆形，梯度方向垂直于等高线，下降会走zigzag路线，而不是指向local minimum。通过对特征进行zero-mean and unit-variance变换后，其损失函数的等高线图更接近圆形，梯度下降的方向震荡更小，收敛更快，如下图所示，图片来自Andrew Ng。
图1
2. 常用的feature scaling方法
待补充。
3. 什么情况下需要做归一化？
- 涉及或隐含距离计算的算法，比如K-means、KNN、PCA、SVM等
- 损失函数中有正则项，比如
正则，目的也是为了消除不同特征的差异
- 梯度下降优化算法。
模型收敛的速度取决于参数的初始位置到local minima的距离，以及学习率的大小。收敛意味着在每个参数维度上都取得极小值，每个参数维度上的偏导数都为0，但是每个参数维度上的下降速度是不同的，为了每个维度上都能收敛，学习率应取所有维度在当前位置合适步长中最小的那个（学习率是多维度共享的）。
不需要做归一化的情况
- 与距离计算无关的概率模型，不需要feature scaling，比如Naive Bayes；
- 与距离计算无关的基于树的模型，不需要feature scaling，比如决策树、随机森林等，树中节点的选择只关注当前特征在哪里切分对分类更好，即只在意特征内部的相对大小，而与特征间的相对大小无关。
