吴恩达机器学习课后习题疑问

1. 假设m=4个学生上了一节课，有期中考试和期末考试。你已经收集了他们在两次考试中的分数数据集，如下所示：

期中得分 (期中得分)^2 期末得分
89 7921 96
72 5184 74
94 8836 87
69 4761 78
你想用多项式回归来预测一个学生的期中考试成绩。具体地说，假设你想拟合一个的模型，其中x1是期中得分，x2是（期中得分）^2。此外，你计划同时使用特征缩放（除以特征的“最大值-最小值”或范围）和均值归一化。

标准化后的特征值是多少？（提示：期中=89，期末=96是训练示例1）答案：-0.47·

2.用进行15次梯度下降迭代，每次迭代后计算。你会发现的值下降缓慢，并且在15次迭代后仍在下降。基于此，以下哪个结论似乎最可信？

A. 是学习率的有效选择。

B. 与其使用当前值，不如尝试更小的值（比如）

C. 与其使用当前值，不如尝试更大的值（比如）
答案：C
3.
答案：BD
请各位大佬帮我解疑。
4.
答案：A
详情请见https://www.kesci.com/mw/project/5e0f01282823a10036b280a7/content