特征缩放

如果我们有一个问题，这个问题有许多的特征，如果你能确保不同的特征都处在相近的范围，我的意思是不同特征的取值处在相近的范围内，这样梯度下降算法就能更快的收敛，具体的说，如果你有一个具有两个特征的问题，是房子的面积大小，取值范围在0-2000平方英尺，是卧室的数量，取值范围是1-5，如果你画出代价函数的轮廓图。注意，是关于的函数，但是我们暂时不考虑，但是如果的取值范围远大于的取值范围，那么画出来的轮廓图就会呈现如下所示的一种形式，会使椭圆更加的瘦长，会是一个又瘦又高的轮廓图，如果你使用这个代价函数来运行梯度下降的话，需要花很长的一段时间，并且可能来回波动，才能收敛到最小值，在这种情况下一种有效的方法就是特征缩放(特征缩放只是为了让梯度下降能够更快一些而已，并不能减少误差等)
常用的特征缩放公式如下（均值归一化）,其中是均值，是该特征的范围或者是标准差。