吳恩達機器學習筆記10-梯度下降法實踐1-特徵縮放
在我們面對多維特徵問題的時候,我們要保證這些特徵都具有相近的尺度,這將幫助梯
度下降演算法更快地收斂。
以房價問題為例,假設我們使用兩個特徵,房屋的尺寸和房間的數量,尺寸的值為 0-
2000 平方英尺,而房間數量的值則是0-5,以兩個引數分別為橫縱座標,繪製代價函式的等
高線圖能,看出影象會顯得很扁,梯度下降演算法需要非常多次的迭代才能收斂。
解決的方法是嘗試將所有特徵的尺度都儘量縮放到-1 到1 之間。如圖:
最簡單的方法是令:
,其中 是平均值, 是標準差(或者樣本最大值減去最小值)。