HQ的专栏

关于Feature Scaling: get every feature into approximately into [-1, 1] a：每个维度的特征减去此维度特征均值，除以此维度特征的最大值与最小值之差：    (xi - mean(xi)) / (max(xi) - min(xi)) （mean normalization） b：每个维度的特征减去此维度的均值，除以这个维度

在本篇文章中，我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。这篇文档也算是EasyPR开发的番外篇，从这里开始，必须对机器学习了解才能进一步介绍EasyPR的内核。当然，本文也面对一般读者，不会对阅读有相关的前提要求。 在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文章呢？