特征缩放

一，特征缩放定义

特征缩放是用来标准化数据特征的范围。

二，特征缩放的作用及原理

特征缩放是针对多特征情况的。当有多个特征向量的时候，如果其中一个变化范围比较大，根据上次所说的多特征梯度下降法算法可以知道，该特征向量的参数可能会变化范围很大，从而主导整个梯度下降的过程，使得整个收敛轨迹变得复杂，让收敛的时间更长。就像下图所示：

因此，我们可以将所有特征向量的变化范围维持在一个标准化范围之中，就能减小该特征向量的影响程度，加快梯度收敛速度。

三，特征缩放的方法

例如：

这个例子中x1的变化范围就远大于x2（多特征变化范围比较中不包括x0，因为x0始终等于1），这就需要特征缩放。最简单的可以这么做：

将他们都除以取值范围，就将取值规范在一个很小的范围内了。

四，特征缩放的范围注意

特征缩放的范围如果收敛的很大或者很小，就不太适合，也就是不是一个很好的特征缩放。多