representation learning ，表征学习：在机器学习中，特征学习或表征学习是学习一个特征的技术的集合：将原始数据转换成为能够被机器学习来有效开发的一种形式。它避免了手动提取特征的麻烦，允许计算机学习使用特征的同时，也学习如何提取特征：学习如何学习。

feature scaling ,特征缩放，特征值相近的情况下，梯度下降会收敛的更快。通常会将特征值约束到[-1,1]之间，-1和1并不强制要求，某些特征值在它们附近波动的话，也是可以的。比如[-2,0.5], [0,3]...

mean normalization，均值归一化,减少迭代次数.

梯度下降算法work的依据，每次迭代过后，代价函数的值减小。否则的话，就需要降低学习率α，使代价函数收敛，但同时不能使α太小，太小的学习率会使代价函数收敛的很慢。