机器学习（四）梯度下降法之特征缩放、学习速率判断与选择

机器学习（四）梯度下降法之特征缩放、学习速率判断与选择 前言： 由前面梯度下降法的学习可知，如果特征要素对应的样本数据值过大，会使得寻找最小代价函数的“路程”过于坎坷，降低算法效率。针对这种情况我们可以师兄特征缩放方法，一定程度上解决该问题。 同时对于梯度下降法中学习速率，如果选择不当也会造成严重的后果，甚至使得代价函数不能收敛。那么解决这个问题，就需要我们在选择学习速率的同时，实时监控选择的学习

>>阅读原文<<