feature scaling:缩小或扩大feature的值，使所有的feature处于类似的范围，这样进行gradient descnet时更快趋向最小值.因为不同的feature的范围相差很大时，它的cost function的等值线是椭圆的，但当它们相近时，等值线接近于圆，这样趋向最小值是，圆更快，椭圆更曲折，趋向更慢。(一般在+3到-3的范围内即可)
mean normalization:
相关文章
- 用Apache Spark进行大数据处理之Machine Learning(4)
- 131.006 Unsupervised Learning - Feature Scaling | 非监督学习 - 特征缩放
- machine learning (4)---feature scaling
- Coursera, Big Data 4, Machine Learning With Big Data (week 3/4/5)
- Machine Learning in Action(4) Logistic Regression
- Machine Learning Algorithms Study Notes(4)—无监督学习（unsupervised learning）
- 【Machine Learning in Action --4】朴素贝叶斯过滤网站的恶意留言
- [Machine Learning]4.逻辑回归（logistic regression）
- 用Apache Spark进行大数据处理之Machine Learning(4)
- Neural Networks for Machine Learning by Geoffrey Hinton （4）