关于学习机器学习的问题

[Ehend]

最近开始学习吴恩达老师的机器学习，碰到了一个问题：在梯度下降算法中，有时候会用到特征放缩，就结果而已确实可以使梯度下降算法正常运行，但是进行特征缩放以后，结果会发生变化，那要怎么还原呢？

[joevictory]

什么是特征？比如图像，颜色算不算特征？那么原始图像缩放呢？

[takato]

是监督学习吗？

[Ehend]

@joevictory 没到图像那么难的程度，就是 x1，x2 什么的，缩放是每个 x 减去平均值再除以标准差，想知道怎么还原

[Ehend]

@takato 没这么难，只是梯度下降算法里的，线性回归

[Ehend]

@joevictory 是线性回归，依据放缩后的特征值求出了斜率，那斜率肯定和原始的特征值不匹配，想知道怎么还原

[sosilver]

结果怎么变化了？为什么要还原？

[Ehend]

@sosilver 难道依据缩放以后的特征值 x1 求出的斜率以及截距，可以直接带回原来的特征值 x0 求 y 吗

[zetary]

结果怎么会变化，对应的 min 应该是一样的. argmin 不一样是因为你放缩了倒着变化回去不就可以了。

[Ehend]

@zetary 斜率也不会变化吗？如果 y 有两个相关的特征，且最大和最小值不一样，那数轴貌似并不是等比例放缩吧？

[Ehend]

@zetary 我想明白了，谢谢回答

[scruel]

https://github.com/scruel/ML-AndrewNg-Notes
欢迎搭配食用

[wizardforcel]

w * ( x - mu) / sigma

原始的权重 是 w/ sigma

原始的偏置是 b - 所有 w * mu / sigma

[Ehend]

@wizardforcel 谢谢，就是这个