2022吴恩达机器学习(Deep learning)课程对应笔记15
多线性回归
更新时间:2023/03/20
概述
回忆一下我们之前讲到的线性回归案例,在预测房价时,我们只有一个输入变量,也就是一个特征,所以模型是 f w , b ( x ) = w x + b f_{w,b}(x)=wx+b fw,b(x)=wx+b
但是现在,我们在预测房价时知道了更多的信息,也就是更多的特征(
x
=
{
x
1
,
x
2
,
x
3
,
x
4
}
x=\{x_1,x_2,x_3,x_4\}
x={x1,x2,x3,x4})
- x 1 x_1 x1表示房子面积,
- x 2 x_2 x2表示房子的卧室数量
- x 3 x_3 x3表示房子的楼层
-
x
4
x_4
x4表示房子建筑年龄
所以我们要建立模型就从原来的线性模型:
f w , b ( x ) = w x + b f_{w,b}(x)=wx+b fw,b(x)=wx+b
变成了:
f w , b ( x ) = w 1 x 1 + w 2 x 2 + w 3 x 3 + w 4 x 4 + b f_{w,b}(x)=w_{1}x_{1}+w_{2}x_{2}+w_{3}x_{3}+w_{4}x_{4}+b fw,b(x)=w1x1+w2x2+w3x3+w4x4+b - 其中b可以理解成房子的起拍价格
上式,通常会用向量的写法:
f
w
,
b
(
x
)
=
w
1
x
1
+
w
2
x
2
+
w
3
x
3
+
w
4
x
4
+
b
=
W
⋅
X
+
b
f_{w,b}(x)=w_{1}x_{1}+w_{2}x_{2}+w_{3}x_{3}+w_{4}x_{4}+b\\=\textbf{W}\cdot\textbf{X}+b
fw,b(x)=w1x1+w2x2+w3x3+w4x4+b=W⋅X+b
上面这个模型,我们就讲它称为多线性回归模型