特征缩放一般希望将特征值缩放到-1 到 1之间或者非常相近的区域之间，这样做的原因是为了便于梯度下降算法运行的更快。
只要缩放到相近似的范围即可
如图缩放的方式为：
（x-u)/s ,其中x是特征值，u是均值，s是值范围。
如何确定梯度下降运行正确？
如何确定学习速率？
由梯度下降公式可知，学习速率越大，j函数值下降的越快，越快速趋缓，在较少的迭代中，函数值迅速趋向缓和表明学习速率大
如果学习速率太小，收敛速度慢，如果学习速率太大，可能会错过收敛点
为了确定学习速率多少合适，可以先设定一个学习速率，迭代几次值，画出二维坐标，连线看先下降的趋势，如上图，通过下降趋势来判断设置的学习速率是偏大还是偏小
面对一个事物，我们选取什么特征进行建模需要多方考虑，有时候需要将多个特征综合起来表示成一个特征，比如房子的宽高我们可以表示为面积