归一化是什么？应用场景

归一化：

将不同量纲的数据统一到同一数量级下。

数据归一化通俗的说是将大的数据变成小的数据，而不影响数据的分布或数据间关系。一般是将原始数据线性变换，使得结果值映射到[0,1]或者[-1,1]之间。

归一化的好处：

1、归一化后加快了梯度下降求最优解的速度。

梯度下降“小步慢走”，通过不断的迭代，求得最优解，归一化让特征向量中不同特征的取值相差不大，训练速度大大加快。

2、归一化有可能提高精度。

计算样本距离时，如果特征向量取值范围相差很大，不进行归一化处理，则值范围更大的特征向量对距离的影响更大，实际情况是，取值范围更小的特征向量对距离影响更大，这样的话，精度就会收到影响。

算法原理，是否需要归一化。

逻辑回归是用梯度下降求解。

归一化可以让模型快速迭代，达到最优解。