Andrew Ng带我漫步机器学习 - 第二周 线性回归

多元线性回归基础

拥有多个变量(>=3)的线性回归称为多元线性回归

特征基础

参数分析

• x⁽ⁱ⁾ = 第i个输入训练样本
• $x_j^{(i)}$ = 第i个输入训练样本第j项特征值
• $m$ = 训练集训练样本总数
• $n$ = 训练集特征数

假设方程

$h_{\theta }(x)={\theta }_0+{\theta }_1{x}_1+{\theta }_2{x}_2+{\theta }_3{x}_3+\cdots +{\theta }_n{x}_n$

矩阵计算

• 向训练输入集中加入$x_0$ = 1
• 一般都将参数矢量进行转置，和输入训练样本矢量集进行矩阵相乘
  h θ ( x ) = [ θ 0 θ 1 . . . θ n ] [ x 0 x 1 ⋮ x n ] = θ T x h_\theta(x) =\begin{bmatrix}\theta_0 \hspace{2em} \theta_1 \hspace{2em} ... \hspace{2em} \theta_n\end{bmatrix}\begin{bmatrix}x_0 \newline x_1 \newline \vdots \newline x_n\end{bmatrix}= \theta^T x hθ​(x)=[θ0​θ