Feature Scaling(特征缩放)

在获取样本时，样本的取值范围过大的时候，如果数据未处理的话，在应用梯度下降算法寻找全局最小值的时候，代价函数需要花费巨大的代价。
　　当对特征进行缩放的时候，减小样本的变化范围，特征缩放有时能提高算法的收敛速度，代价函数花费代价更少，计算更快。

一般的：

将特征值约束在-1《 x 《1的范围内。
-1到1这个范围不是固定的，只要范围距离不是过大或者太小，都是合适的，
因此，你可以根据自身需要定义范围为：

（-3,3）
（-1/3，1/3）

之类典型距离，都是可以的
例如：
当特征x的取值为：0-2000之间，我们可以进行特征缩放

x = 345/2000
x = 565/2000

这个样子，我们就可以将特征变化范围约束到（0,1）之间