梯度下降的特征缩放
1.特征缩放
- 确保不同特征的特征值都处在一个相近的范围,这样的梯度下降法就能更快的收敛
假如有两个特征,一个是房子的面积 x1,一个是房间数量
0< x1<2000 feet2,一个特征是房间数量 x2,1<=x2<=5
x1 远远大于 x2,故轮廓图如下
由于 x1和x2的范围相差太大,轮廓图是一个又瘦又高的椭圆型轮廓图
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jlKDTuiL-1578898833841)(file:///C:\Users\Ying\Documents\Tencent Files\1298188659\Image\C2C\BB70F37FC8E83A5BE0E39A5CCA28D94B.jpg)]](https://i-blog.csdnimg.cn/blog_migrate/18cfe296e74ff5ffd09fe00112c462b1.png)
寻找全局最小的路径将会是一条曲折的路径
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/9ef465fa6f296c368d31e6e06767e563.png)
而如果用这个代价函数来运行梯度下降的话,要得梯度值,最终可能需要花很长一段时间并且可能来回波动,然后经过很长时间才能收敛到全局最小值。