特徵標準化 (Feature Normalization)

將數值範圍大的數據縮小，數值範圍小的數據放大，使得數據之間的數值範圍統一。
舉例來說，使用距離市中心(km)和面積(m^2)兩個變數來預測房價，
距離市中心數值範圍介於 1~10 之間，
面積數值範圍介於 100~300 之間，
在使用權重進行加乘時，數值範圍大的數據影響力太大，因此，必須將特徵標準化。

特徵標準化方式：

• Min Max Normalization：將特徵數據縮放成 0~1 之間的數值。
• Standard Deviation Normalization：將特徵數據縮放成平均值為 0，方差為 1。

特徵標準化好處：

加快機器學習的學習速度，還可以避免機器學習曲線學得扭曲。