《百面机器学习》第一章 学习笔记

第一节 特征归一化

1. 方法

1. min-max normalization：
   
2. z-score normalization

2. 为什么要对数值类型的特征做归一化？

作用：加速收敛过程，快速通过梯度下降寻找最优解。

原理：举例预测房价的线性回归模型，有两个特征房间数（rooms）和面积（squares）。
Price = theta2 * Rooms + theta1 * Squares
Rooms的取值范围可能为【1，10】，squares的取值范围可能为【1，1000】，那么我们最后求出的函数可能为：
Price = 600 * Rooms + 60 * Squares
在学习速率相同的情况下，theta2需要更多的迭代次数（如果用梯度下降法）收敛。

但如果使用归一化，rooms和squa