在什麼狀況須要對特徵使用歸一化處理？--從機器學習項目中開始學習

要解決這個問題首先要看歸一化的做用： 1.歸一化能夠加快梯度降低法求解最優解的速度。 當特徵之間的數值變化範圍相差太大時，會使得收斂路徑呈Z字型，致使收斂太慢，或者根本收斂不到最優解的結果。 2.歸一化能夠提升計算精度。 一些分類器須要計算樣本之間的距離（如歐氏距離），例如KNN。若是一個特徵值域範圍很是大，那麼距離計算就主要取決於這個特徵，從而與實際狀況相悖（好比這時實際狀況是值域範圍小的特徵更

>>阅读原文<<