机器学习—数据预处理—特征缩放

1、为何特征缩放 在面对多维特征问题的时，有时特征数据数据值相差过大，如在运用多变量线性回归预测房价模型中，房屋面积和卧室个数这俩个特征之间数值相差大，而要保证这些特征都具备相近的尺度，就要进行特征缩放，这能帮助梯度降低算法更快地收敛。如图： 直接求解的缺点： 一、当x1 特征对应权重会比x2 对应的权重小不少，下降模型可解释性 二、梯度降低时，最终解被某个特征所主导，会影响模型精度与收敛速度 三

>>阅读原文<<