线性回归模型的公式推导

线性回归模型的公式推导

y = ${\theta }_0+{\theta }_1{x}_1+{\theta }_2{x}_2+{\theta }_3{x}_3+...+{\theta }_m{x}_m$

因为现在需要有n个样本，每个样本有m个特征，为了将常数项加如矩阵，加入一列特征，所以有n行m+1列，矩阵大小为n*(m+1)

为了将常数项${\theta }_0$包括进参数$\theta$的矩阵中，我们需要将$\theta$的维度扩充到m+1维。所以$\theta$的矩阵有m+1行，矩阵大小为(m+1)*1

因为是是n中标签，所以y的大小为n*1
X = ( 1 x 1 1 x 2 1 . . x m 1 1 x 1 2 x 1 2 . . x m 2 . . . . . . . . . . . . 1 x 1 n − 1 x 2 n − 1 . . x m n − 1 1 x 1 n x 2 n . . x m n ) n ∗ ( m + 1 ) θ = ( θ 0 θ 1 . . θ m − 1 θ m ) ( m + 1 ) ∗ 1 Y = (