之前構(gòu)造的假設(shè)函數(shù)是線性函數(shù),對(duì)于其他函數(shù),很有可能需要構(gòu)造多項(xiàng)式的假設(shè)函數(shù),如:
給出數(shù)據(jù)的散點(diǎn)圖,我們發(fā)現(xiàn)用多項(xiàng)式函數(shù)來擬合圖像的效果更好,于是我們構(gòu)造多項(xiàng)式假設(shè)函數(shù)

2015-12-10 10:34:49屏幕截圖.png

這時(shí)會(huì)出現(xiàn)一個(gè)問題,就是不同特征值之間的差距很大,接下來用特征縮放的方法對(duì)特征值做均值歸一化.

使用特征縮放的目的是為了加快代價(jià)函數(shù)的收斂,其方法是:
新特征值 = (當(dāng)前特征值 - 該特征的均值) / (Max該特征值 - Min該特征值)
最后求得的新特征值只要相差不太大即可.

學(xué)習(xí)速率α的選取也是關(guān)鍵.α太大可能會(huì)導(dǎo)致代價(jià)函數(shù)成上升趨勢(shì);α太小會(huì)導(dǎo)致收斂速度變慢.

要依據(jù)擬合度來選擇適當(dāng)?shù)暮瘮?shù)模型,其中還要善用特征值縮放來減少誤差.