多元线性回归--machine learning

1.表示

在这里插入图片描述
用下标表示这是第几个特征值,用上标表示这是第几组数据
举例:
x ( 1 ) = [ 2014 5 1 45 ] x^{(1)}=\left[ \begin{matrix} 2014\\ 5 \\ 1 \\ 45 \end{matrix} \right] x(1)=20145145
x 1 ( 2 ) = 1416 x^{(2)}_1=1416 x1(2)=1416

2.函数式

previously: h θ ( x ) = θ 0 + θ 1 x h_{\theta}(x)=\theta_0+\theta_1x hθ(x)=θ0+θ1x
after: h θ ( x ) = θ 0 + θ 1 x 1 + θ 2 x 2 + θ 3 x 3 + θ 4 x 4 h_{\theta}(x)=\theta_0+\theta_1x_1+\theta_2x_2+\theta_3x_3+\theta_4x_4 hθ(x)=θ0+θ1x1+θ2x2+θ3x3+θ4x4

3.简化表达

令: x 0 = 1 x_0=1 x0=1
那么有 x = [ x 0 x 1 x 2 ⋮ x n ] , θ = [ θ 0 θ 1 θ 2 ⋮ θ n ] x=\left[ \begin{matrix} x_0\\ x_1\\ x_2\\ \vdots \\ x_n \end{matrix} \right],\theta=\left[ \begin{matrix} \theta_0\\ \theta_1\\ \theta_2\\ \vdots \\ \theta_n\end{matrix} \right] x=x0x1x2xn,θ=θ0θ1θ2θn
根据线性代数的知识,我们有 h θ ( x ) = θ T x h_{\theta}(x)=\theta^Tx hθ(x)=θTx
在这里插入图片描述

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