面试问题零散整理（持续更新...）

1、为什么要做数据归一化，在梯度下降时有什么好处？ 规避不同特征的数值大少带来的差异影响。 不做归一化的话，每一个特征所对应的的数据规模是不一样的。那么在求导数的时候，求得的很可能会导数比较大（比较小），最终即使乘以学习率后的步长比较大，导致整体不收敛。或者要进行多次迭代 2、梯度下降法和随机梯度下降法的区别？ 梯度下降时，每个样本都会参与梯度的计算，那么在大样本情况下，提低下降的计算量将非常大；

>>阅读原文<<