数据预处理—归一化（连续值和离散值）

归一化原因 归一化目的 连续值归一化常见方法 Max-Min 0均值标准化Z-Score 对数函数法 离散值归一化常见方法 One-Hot编码 归一化原因 1. 如果多个特征之间数值差异较大，那么收敛速度会很慢。如吴恩达老师在《机器学习》中给出的例子： x1的取值为0-2000，而x2的取值为1-5，假如只有这两个特征，对其进行优化时，会得到一个窄长的椭圆形，导致在梯度下降时，梯度的方向为垂直等

>>阅读原文<<