Machine Learning第二讲[多变量线性回归] --（三）向量化

内容来自Andrew老师课程Machine Learning的第二章内容的Vectorization部分。

一、Vectorization（向量化）

后半部分内容摘自：原文链接

1、向量化示例，以h(x)为例，说明特征变量向量化：

2、将代价函数向量化。
含有多个特征变量的假设函数为：
含有多个特征变量的代价函数为：

先看h(x)和theta：

            
将其代入h(x)，则h(x)的向量表达式为：

又

将y和h(x)向量代入代价函数J，则

3、梯度下降算法：

将上述公式向量化：，其中：

                   
将上述h(x)表达式和y表达式代入delta表达式，则
，
即

多个特征向量化，可以加快运算速度，尤其是对于特征量大的数据集效果更加明显。