在什么状况须要对特征使用归一化处理？--从机器学习项目中开始学习

要解决这个问题首先要看归一化的做用： 1.归一化能够加快梯度降低法求解最优解的速度。 当特征之间的数值变化范围相差太大时，会使得收敛路径呈Z字型，致使收敛太慢，或者根本收敛不到最优解的结果。 2.归一化能够提升计算精度。 一些分类器须要计算样本之间的距离（如欧氏距离），例如KNN。若是一个特征值域范围很是大，那么距离计算就主要取决于这个特征，从而与实际状况相悖（好比这时实际状况是值域范围小的特征更

>>阅读原文<<