Coursera Machine Learning 學(xué)習(xí)筆記（九）

- Feature scaling

       當(dāng)我們所面臨多維特點(diǎn)問題的時候，我們需要保證多維數(shù)特點(diǎn)都具有相近的尺度，這將有益于梯度降落算法更快地收斂。

       以房價預(yù)測問題為例，假定我們使用的兩種特點(diǎn)，即房屋尺寸和房間數(shù)量，尺寸值的取值范圍是0⑵000平方英尺，而房間數(shù)量的取值范圍是0⑸，這就會致使梯度降落算法需要非常屢次的迭代才能收斂：

       為此，我們需要對多維特點(diǎn)進(jìn)行放縮，以實(shí)現(xiàn)所有特點(diǎn)的尺度都盡可能在⑴~1之前。因此，我們的解決方法是令：

      
       其中，（訓(xùn)練樣本中某1種特點(diǎn)的平均值）是均值，（訓(xùn)練樣本中某1種特點(diǎn)的最大值與最小值的差）是標(biāo)準(zhǔn)差。

生活不易，碼農(nóng)辛苦
如果您覺得本網(wǎng)站對您的學(xué)習(xí)有所幫助,可以手機(jī)掃描二維碼進(jìn)行捐贈