4.1 多维特征
目前为止,我们探讨了单变量/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。
增添更多特征后,我们引入一系列新的注释:
代表特征的数量
代表第 个训练实例,是特征矩阵中的第行,是一个向量(vector)。
比方说,上图的
,
代表特征矩阵中第 行的第 个特征,也就是第 个训练实例的第 个特征。
如上图的,
支持多变量的假设 表示为:,
这个公式中有个参数和个变量,为了使得公式能够简化一些,引入,则公式转化为:
此时模型中的参数是一个维的向量,任何一个训练实例也都是维的向量,特征矩阵的维度是 。 因此公式可以简化为:,其中上标代表矩阵转置。