机器学习课程笔记——多元线性回归

这篇博客主要介绍了多元线性回归的概念,对比了一元线性回归,阐述了在多元回归中如何处理多个特征量来预测目标值。通过引入额外的特征量使特征向量和参数向量维度一致,最后用矩阵形式表示了多元线性回归的假设函数。
摘要由CSDN通过智能技术生成

一、一元线性回归

在一元线性回归中,假设函数里只有一个单一特征量。

如通过 房屋的面积x 来预测 房子的价格y。

从而得到假设函数:

h_{\theta }\left ( x \right )=\theta_{0}+\theta _{1}x

其中Θ为特征量x的权重值。

二、多元线性回归

而如果我们不仅有房屋面积作为预测房屋价格的特征量(变量),我们还知道卧室的数量、楼层的数量以及房子的使用年限。这样就有更多的特征量可以用来预测房屋的价格。

n为特征量的个数,如以上有4个不同的特征量,即 n=4。

m用来表示样本的数量, 若我们有47组数据,则 m=47。<

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Jink是小菜鸡

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值