吴恩达机器学习笔记8-多变量线性回归(Linear Regression with Multiple Variables)--多维特征...

　　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(?1, ?1, . . . , ??)。

　　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?2(2) = 3, ?3(2) = 2，

支持多变量的假设 ℎ 表示为：ℎ?(?) = ?0 + ?1?1 + ?2?2+. . . +????，
这个公式中有? + 1个参数和?个变量，为了使得公式能够简化一些，引入?0 = 1，则公
式转化为：ℎ?(?) = ?0?0 + ?1?1 + ?2?2+. . . +????
此时模型中的参数是一个? + 1维的向量，任何一个训练实例也都是? + 1维的向量，特
征矩阵?的维度是 ? ∗ (? + 1)。 因此公式可以简化为：ℎ? (?) = ???，其中上标?代表矩阵
转置。

转载于:https://www.cnblogs.com/sl0309/p/10352443.html