机器学习笔记（二）

上节我们说到了用梯度下降法求参数最小值。
这节我们介绍几种快速梯度下降的方法：
1.梯度下降法实践 1-特征缩放：该方法就是将特征的尺度归一化
由上图可以看出，归一化能后帮助梯度下降算法更快的收敛。
梯度下降法实践 2-学习率
梯度下降算法的每次迭代受到学习率的影响，如果学习率?过小，则达到收敛所需的迭
代次数会非常高；如果学习率?过大，每次迭代可能不会减小代价函数，可能会越过局部最
小值导致无法收敛。
通常可以考虑尝试些学习率：
? = 0.01，0.03，0.1，0.3，1，3，10