归一化：对原始数据进行线性变换把数据映射到[0,1]之间
标准化：均值为0，标准差为1
One disadvantage of normalization over standardization is that it loses some information in the data, especially about outliers.
归一化的缺点是，它会丢失一些信息，特别对于那些异常的点
这个作者推荐使用standardization标准化，如果你无法判断。 而且他认为你应该对其他的feature也都使用标准化。
我还真的无法判断。
另，---------------
在coursera教程第二节里，
theta和b之间的数量级差了快100倍，
b可以看成是一列值为1的feature，
而另外两列 feature都在80左右上下浮动，
所以这里差了80多倍，给训练带来了极大的麻烦
极大的
sklearn preprocessing
from sklearn import preprocessing scaler=preprocessing.StandardScaler().fit(X) X=scaler.transform(X) xNew=scaler.transform(xNew)