多变量线性回归
形式:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/0851a3f33b22a0708edb6aeb07f3bf59.png)
这里要注意的是x0=1(恒等)
如果了解一点线性代数就知道可以简化为向量相乘(默认向量为列向量)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/0d28c06505c079b24481becf7d46fc31.png)
特征缩放(feature scaling)
当有多个特征值的时候,特征值的取值范围可能差别很大
当特征值的取值范围过大时,画出的函数图像可能会有点畸形
例如下面这样瘪瘪的椭圆
这样可能会在梯度下降时来回震荡
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/74b12ad177d06f251f6c6adbe5a18d48.png)
解决的办法就是特征缩放,一般来说控制特征值的范围在(-1,1)范围附近即可
如上 : x1=x1/2000, x2=x2/5
这样特征值的范围就都控制在一个合适的范围了
另一个方法是均值归一化
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/23b7fa37cdfeec26c20c86087562d152.png)
即减去特征值的平均值,再除以该特征值的标准差(max-min)