特征缩放和均值归一化

我正在上学的吴安德（Andrew Ng）的机器学习课程，经过几次尝试都无法正确回答这个问题。请帮助解决此问题，尽管我已经通过了该级别。

假设学生参加了某堂课，并且该班进行了期中考试和期末考试。您已经收集了两次考试的分数数据集，如下所示：$m=4$

midterm (midterm)^2   final
89        7921        96
72        5184        74
94        8836        87
69        4761        78

您想使用多项式回归来根据学生的期中考试成绩来预测学生的期末考试成绩。具体而言，假设您要拟合以下形式的模型：，其中是中期得分，是（中期得分）^ 2。此外，您计划同时使用特征缩放（除以特征的“最大-最小”或范围）和均值归一化。X 1 X $h_\theta(x) = \theta_0 + \theta_1 x_1 + \theta_2 x_2$$x_1$$x_2$

什么是归一化特征？（提示：中期= 89，最终= 96是培训示例1。）请在下面的文本框中输入答案。如果适用，请在小数点后至少提供两位数字。$x_2^{(4)}$

1. $x^{(4)}_2 \to 4761$。

2. Nomalized特征其中是平均的和。 ÙX小号=米一个X-米我ñ=8836-4761=$\to \dfrac{x - u}{s}$$u$$X$$s = max - min = 8836 - 4761 = 4075$

3. 最后，$\dfrac{4761 - 6675.5}{4075} = -0.47$

以来，归一化$x = \frac{x - u}{s}$

哪里

• u =特征x的均值，
• s =$range(max - min)$或标准偏差

在这里，本测验中的s实际上是指范围，归一化的x = = -0.47$\frac{4761 - 6675.5}{8836 - 4761}$

请阅读指南：他们说：请把答案四舍五入到小数点后两位，然后在下面的文本框中输入。答案是-0.37。我做到了，并取得了成功。

我的答案：

平均值=（7921 + 5184 + 8836 + 4761）/ 4 = 6675.5

范围= 8836-4761 = 4075

x2 =（5184-6675.5）/ 4075 = -0.366 = -0.37（四舍五入到小数点后两位）

编辑：我得到了错误。我应该四舍五入到小数点后两位。