【机器学习】为什么要对特征数据进行归一化

为什么要对特征进行归一化？

• 一句话描述：为了使特征在一个数量级上。

就拿身高体重来举例，某人1m8，体重135斤，显然这种统计方法是不合适的，由于数量级不同使得身高体重的权重不同。应该把它们都归一化到同一数量级上。
如果不归一化，不同变量的损失梯度图可能会呈现一个椭圆，这样在梯度下降的时候迭代次数会比较多；归一化后损失的等高线图就是一个园，任意一点的切线方向便是梯度下降的方向，这样便减少了迭代次数，加快了模型训练。

归一化的方法有哪些？

• 1、线性函数归一化
  $$x$$