梯度下降法之特徵縮放(Feature Scaling)

1.爲什麼要進行特徵縮放? 特徵縮放的目的是爲了讓代價函數J(θ)儘快收斂,如果各特徵的取值範圍相差很大,代價函數的輪廓圖會是一個個瘦長的橢圓形,如下圖所示: 這樣造成的結果很可能就是,代價函數在梯度下降的過程中來回震盪,收斂速度很慢,所以需要進行特徵縮放。 2.特徵縮放的意義? 各特徵之間的大小範圍一致,才能使用距離度量等算法 加速梯度下降算法的收斂 在SVM算法中,一致化的特徵能加速尋找支持向
相關文章
相關標籤/搜索