吴恩达-特征缩放(feature scaling)和PCA降维

X1-特征1：样本x1待缩放的特征数据

u1：X1-Xn（所有样本） 特征1的均值

缩放方法：（X1-特征1-u）/（max-特征1-min-特征1 or standard deviation）

好处:

1.加快梯度下降速度(等高线变得更平滑(更圆),下降更快)

2.方便降维操作

降维（Principal Component Analysis）：

 PCA求投影的垂直距离,线性回归求y轴距离

对x进行x-u

协方差矩阵U(NxN)

要将x缩放到前K个则:

 那么如何选择K呢？