一、特徵縮放 

----(1)

對於我們假設的式子（1），可能存在這樣一種情況就是有些資料遠大於另一些資料（eg:x_1>>x_2)

比如房子價格的例子：

房子的面積要遠大於房子的層數和房間數。在這種情況下可以看下圖，所產生的等高線的圈會很窄，在做梯度下降的時候需要做很多次（紅箭頭）。

這種情況下我們就可以進行特徵縮放，將各類資料縮放在同一範圍內。從而得到下圖。

特徵縮放的方法：我們可以除以每一種型別的自身的平均值。也可以時其他特定的數，只要能使他們在一定的範圍內就行，而這個範圍也不是固定的，可以時[-1,1]，也可以是[0,3]等等，只要不是太大，比如[-100,100]就不好

向上圖就會收斂的更快一些。 

二、學習率

學習率其實就是在梯度下降時候的α，α太小則收斂太慢，耗費時間，α太大則有可能永遠無法收斂（如下圖）