吴恩达机器学习笔记（四）：多变量函数

吴恩达机器学习笔记（四）：多变量函数

多变量函数式的基本形式

多变量是单变量的更一般的形式，在函数式中包含了更多的未知数。
因为单变量所描述的线性回归方程往往不能契合一些复杂的数据，所以多变量应运而出，将更多的特征放到预测函数里去，让其更好地契合数据，进行预测。
下图是多变量预测函数的基本形式及其矩阵形式。

多元假设基本形式及其代价函数

多元函数式的基本形式，就是将单元函数推广到更一般的情况。
其中参数是θ，其对应的代价函数如图所示。

传统的Gradient Decent

依旧是每个函数对代价函数求偏导

更新参数θ的算法

左边是单元函数时的θ更新方法，右边是有多个参数时的更新方法，左边可看作是右边的一种特殊形式。