先上吴恩达老师的课件图
1.对于梯度下降而言,学习率很大程度上影响了模型收敛的速度.对于不同规模的特征,如果采用相同的学习率,那么如果学习率适应于scale大的数据,scale较小的数据由于学习率过大无法收敛;如果学习率适应于scale较小的数据,那么收敛的速度会变的很慢(对于大scale的数据而言,学习率太小了).
2.scale值越大的特征，对模型的影响越大。极端情况，损失函数会被某个值特别大的特征主导,这相当于给特征无端的加了一个先验值,这不是我们想要的效果.
