【机器学习】归一化

首先要知道为什么要做归一化，归一化是把两个向量间维度的值有较大的差距时，小数值的维度不会被忽略。

比如：

v1(10000,20000,30000)

v2(1,2,3)

这样的数值在二维坐标轴中，v2的值会被认为是离散的点，会被忽略掉，所以需要归一化。归一化是把v1和v2的值限制区间为[0,1]或者[-1,1]中。

这样打出来的点就会在圆的线上。

总结一下：

1、归一化是当两个向量间维度的值差距较大时不会忽略值小的那些维度

2、当作梯度下降时，降低损失函数