小白的机器学习学习笔记（三）---多变量线性回归（1）

第二章以单变量线性回归为例，介绍了线性回归的相关概念，这一章我们会从一个变量延申到多个变量。

1、假设函数：

单变量线性回归中变量为x，假设函数为h=kx+b；

在多变量线性回归中变量为x0，x1，x2，······xn，则假设函数为h=k0+k1x1+k2x2+k3x3+······+knxn，不妨令x0=1，则假设函数还可以写作：h=k0x0+k1x1+k2x2+······+knxn，设x=[x0,x1,x2······xn]'，k=[k0,k1,k2······kn]'。则h=k'x。

2、模型参数：k0，k1，k2······kn

3、代价函数：

J(k0,k1,k2···kn)=1/（2*训练样本数）  *（h(xi)-yi)^2   ，此处xi为向量，xi=[xi0,xi1,xi2···xin]’。

4、梯度下降公式：