數據預處理—歸一化（連續值和離散值）

歸一化原因 歸一化目的 連續值歸一化常見方法 Max-Min 0均值標準化Z-Score 對數函數法 離散值歸一化常見方法 One-Hot編碼 歸一化原因 1. 如果多個特徵之間數值差異較大，那麼收斂速度會很慢。如吳恩達老師在《機器學習》中給出的例子： x1的取值爲0-2000，而x2的取值爲1-5，假如只有這兩個特徵，對其進行優化時，會得到一個窄長的橢圓形，導致在梯度下降時，梯度的方向爲垂直等

>>阅读原文<<