機器學習（5.2）——特徵縮放，學習率調整，特徵選擇與多項式迴歸

現在的目標就是讓特徵趨向一個相近的範圍。左邊的圖像因爲兩個特徵取值差異很大，所以會導致代價函數J(x)的呈橢圓形。 進行梯度下降時會如紅色線條所示產生很大的抖動。 右邊我們爲兩個特徵進行縮放，除以特徵的最大值。讓他們取值都再0-1的區間。讓代價函數J(x)呈圓形，這人收斂的很快。 通常認爲縮放至-1-1是比較合適的。 ！！！！！重點 均值歸一化 均值歸一化，讓特徵值有靠近0的值 這句話我想了半天，

>>阅读原文<<