2020-5-22 吴恩达-改善深层NN-w1 深度学习的实用层面(1.9 归一化输入(特征)-加速训练，优化J简单-因为任何位置都可以快速下降，步长大)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c
2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/
3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai

1.9 归一化输入 Normalizing inputs

训练NN，其中一个加速训练的方法就是归一化输入。

如上图，数据集的散点图。
假设一个训练集有两个特征，输入特征为2维，归一化需要两个步骤：

• step1：零均值

$$\mu =\frac{1}{m}\sum _{i=1}^m{x}^{(i)}$$
向量X等于每个训练数据 x 减去$\mu$，即X := x-μ，意思是移动训练集，直到它完成零均值化。如下图。

• step2：归一化方差

注意：上图中特征$x_1$的方差比特征$x_2$的方差要大得多

我们要做的是给$\sigma$赋值。
σ 2 = 1 m ∑ i = 1 m ( x (