【9】归一化输入与标准化

提高训练速度的方法：归一化输入

假设数据集的每一个训练样本只有两个特征x1、x2，那么训练集：

原始数据集

绘制出的图形如图所示，要对其进行标准化分为两步：

1、对训练集进行零均值化处理，顾名思义，也就是处理后的数据集的均值为零。
2、归一化方差。即使方差变为1。

分步讲解：

1、怎样来使均值变为0呢？首先我们需要算出数据集的平均值：

求得的均值是一个向量，这里的x1是所有训练样本x1的均值。x2同理：

然后用数据集的每一项减去这个均值就可以使整个数据集的均值为0了。

所得X如下所示：

 

去均值化后的数据集

2、要使方差为1，方差也就是数据偏离均值的程度，观察图（1）第二张图，这是经过零均值化处理后的数据集，现在x1和x2的均值都为0，我们看x1偏离原点（即均值）的程度是不是要大于x2。我们要对其处理以使x1、x2方差都为1。我们首先算出数据集的方差。然后用数据集除以方差即可。

 

 

 

归一化方差后的数据集

总结：

对数据集进行标准化处理，就是让数据集的均值为0，方差为1。把数据集映射到（-1,1）之间。

总公式：

标准化步骤

2. 为什么标准化可以加快训练

左图是进行归一化之前的J与w、b的图像，可以看出代价函数非常细长狭窄，在一些情况下需要很多次的迭代过程从而使效率底下，而归一化后的就变为了右图，可以看出代价函数非常平均，无论从哪个位置开始迭代，都会很快到达极小值点，从而提高了效率。