（三）多元线性回归模型

多元线性回归模型（Multiple Linear Regression）

---

当数据的输入变量$x$有多个特征（房屋尺寸，房间数量，房子层数，房龄），且输出变量$y$（房屋价格）仍然为连续型时，用来拟合数据的线性模型称为多元线性回归。

一些数据标记符号

符号	解释
$x_j$	第j个特征
$n$	特征的数量
${\vec{x}}^{(i)}$	第i条数据的输入变量
${\vec{x}}_j^{(i)}$	第j个特征第i条数据

多元线性回归模型$f$可以写成：
$$f_{w,b}(x)=w_1{x}_1+w_2{x}_2+w_3{x}_3+w_4{x}_4+b$$向量化表示为：
$$f_{\vec{w},b}(\vec{x})=\vec{w}\cdot \vec{x}+b$$其中$\vec{w}=[w_1,w_2,w_3,w_4],\vec{x}=[x_1,x_2,x_3,x_4]$

向量化的好处：

• 方便表示，可以使表达式更精简，代码更简洁；
• 加速运算，因为可以并行计算（Numpy）。
  

运用梯度下降算法求解多元线性回归参数（$\vec{w},b$)

---

求解步骤：

1. 构造代价函数 $J(\vec{w},b)=\frac{1}{2m}{\sum }_{i=1}^m$