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,…,xn)。
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
xj(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 θ ( x ) = θ 0 + θ 1 x 1 + θ 2 x 2 + … + θ n x n \ h_{\theta}(x)=\theta_{0}+\theta_{1} x_{1}+\theta_{2} x_{2}+\ldots+\theta_{n} x_{n} hθ(x)=θ0+θ1x1+θ2x2+…+θnxn,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 \ x_{0} x0,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)=θ0x0+θ1x1+θ2x