我正在学习CS231n课程，以了解神经网络的基础知识。

附件中是Justin（导师）解释为什么需要数据预处理的幻灯片，我并不是完全理解。给出的解释与幻灯片上的相似，我不太明白。幻灯片如下所示。

我的第二个问题是：这实际上是标准化还是归一化？这个链接暗示这是标准化，而课程材料则说是归一化。

任何帮助都将不胜感激。

回答：

A) “对权重微小变化不敏感”的含义可以很容易地通过可视化来理解。想象一下，对绘制的超平面的权重进行微小的改变，即稍稍旋转它。如果样本位于原点附近，你会注意到它们仍然可以被正确分类。如果它们远离原点，相同的权重微小变化会导致更大的误分类。

B) 有时标准化和归一化这两个术语会被互换使用。

标准化：我引用Bishop的《机器学习与模式识别》中的话：“为了这个例子，我们对数据进行了线性重标度，称为标准化，使得每个变量的均值为零，标准差为单位。”

归一化可能例如是min-max归一化，当你将所有特征值缩放到[0,1]范围内，或者是特征向量归一化，当你用特征向量的模来除以特征向量时。