多变量线性回归(Linear Regression with Multiple Variables)

1 多维特征

在上一篇文章中，探讨了单变量/特征的回归模型。现在我们对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为(x₁,x₂,…,x_n)。

增添更多特征后，我们引入一系列新的注释：

n 代表特征的数量

x⁽ⁱ⁾代表第 i 个训练实例，是特征矩阵中的第 i 行，是一个向量（vector）。

比方说，上图的

x_j⁽ⁱ⁾代表特征矩阵中第 i 行的第 j 个特征，也就是第 i 个训练实例的第 j 个特征。

如上图的x₂⁽³⁾=3，x₃⁽²⁾=2；

支持多变量的假设 h 表示为：$h_{\theta }(x)={\theta }_0+{\theta }_1{x}_1+{\theta }_2{x}_2+\dots +{\theta }_n{x}_n$，这个公式中有 n+1 个参数和 n 个变量，为了使得公式能够简化一些，引入$x_0$，则公式转化为：   h θ ( x ) = θ 0 x 0 + θ 1 x 1 + θ 2 x 2 + … + θ n x n \ h_{\theta}(x)=\theta_{0}x_{0}+\theta_{1} x_{1}+\theta_{2} x_{2}+\ldots+\theta_{n} x_{n}  hθ​(x)=θ0​x0​+θ1​x1​+θ2​x