機器學習—數據預處理—特徵縮放

1、爲何特徵縮放 在面對多維特徵問題的時，有時特徵數據數據值相差過大，如在運用多變量線性迴歸預測房價模型中，房屋面積和臥室個數這倆個特徵之間數值相差大，而要保證這些特徵都具備相近的尺度，就要進行特徵縮放，這能幫助梯度降低算法更快地收斂。如圖： 直接求解的缺點： 一、當x1 特徵對應權重會比x2 對應的權重小不少，下降模型可解釋性 二、梯度降低時，最終解被某個特徵所主導，會影響模型精度與收斂速度 三

>>阅读原文<<