为什么要特征缩放
多维特征问题的时候,我们要保证这些特征都具有相近的尺度
:房屋的尺寸
:房屋的数量
:房屋价格
尺寸的值为 0-2000平方英尺,而房间数量的值则是0-5,以两个参数分别为横纵坐标,绘制代价函数的等高线图能,看出图像会显得很扁,梯度下降算法需要非常多次的迭代,来来回回才能收敛。
所有特征的尺度都尽量缩放到-1到1之间,代价函数会更⚪
最简单的方法是令:,其中 是平均值,是标准差
多维特征问题的时候,我们要保证这些特征都具有相近的尺度
:房屋的尺寸
:房屋的数量
:房屋价格
尺寸的值为 0-2000平方英尺,而房间数量的值则是0-5,以两个参数分别为横纵坐标,绘制代价函数的等高线图能,看出图像会显得很扁,梯度下降算法需要非常多次的迭代,来来回回才能收敛。
所有特征的尺度都尽量缩放到-1到1之间,代价函数会更⚪