Multiple Features & Gradient Descent

如题,即为多元的线性回归,之前我们讨论的只有一个特征量x,而现在我们将有多个特征量x1,x2,x3,x4……
在这里插入图片描述
如图 表示第i组样本数据的第j个特征量。
而我们用新的公式来做线性回归:
在这里插入图片描述
也可以写成如下形式(约定x0=1)
在这里插入图片描述
对于梯度下降算法,多元线性回归可类比于一元线性回归,适用类似的公式:
在这里插入图片描述
注意事项也是一样,所有θ同步更新,重复迭代直到收敛。

  • 0
    点赞
  • 0
    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