吴恩达机器学习学习笔记(二)多变量回归模型

在这篇博客中,我们将会讲到单变量回归模型的扩展模型——多变量回归模型。

在上一篇博客中,我们讲到了一个房价预测的例子,在该例子中我们用到了一个特征“房屋面积”x1,如下图:

在上图中,我们构建了一单变量回归函数h\theta (x)= \theta_{0}x_{0} + \theta_{1}x_{1} 来预测数据,现在,如果我们不止只有一个房子的特征来预测房屋的价格,而是多了“卧室的数量”、“房子的楼层数”以及“房子的年龄”这三个特征来帮助我们预测房价,如下图:

在上图中,我们使用n来表示特征的数量,即表里面的行数,用x^{(i)}来表示第i行的数据,即具体一个数据,比如x^{(2)}=[1416, 3, 2, 40] ,用x_{j}^{(i)}来表示第i行数据中的第j个特征,比如x_{3}^{(2)}的值就是2。既然我们有了多个特征变量,我们就应

  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值