Coursera Machine Learning 學習筆記（九）

- Feature scaling

       當我們所面臨多維特點問題的時候，我們需要保證多維數特點都具有相近的尺度，這將有益于梯度降落算法更快地收斂。

       以房價預測問題為例，假定我們使用的兩種特點，即房屋尺寸和房間數量，尺寸值的取值范圍是0⑵000平方英尺，而房間數量的取值范圍是0⑸，這就會致使梯度降落算法需要非常屢次的迭代才能收斂：

       為此，我們需要對多維特點進行放縮，以實現所有特點的尺度都盡可能在⑴~1之前。因此，我們的解決方法是令：

      
       其中，（訓練樣本中某1種特點的平均值）是均值，（訓練樣本中某1種特點的最大值與最小值的差）是標準差。

生活不易，碼農辛苦
如果您覺得本網站對您的學習有所幫助,可以手機掃描二維碼進行捐贈