首页 > 代码库 > 机器学习(三)线性归回模型多变量
机器学习(三)线性归回模型多变量
在(二)中我们讲到了单变量的线性回归模型,但是在现实生活中会有很多对结果产生影响的因素,所以我们引入了多变量的模型。
同样的我们有M个样本,$x_i$表示第$i$个特性,$x_i^{(j)}$表示第$j$个样本的第$j$个特性。
假设函数$h_{\theta}=\theta_0+\theta_1x_1+\theta_2x_2$
我们假设$x_0=1$, $\theta^{T}=(\theta_1, \theta_2, \cdots)$,$X^{T}=(x_1,x_2, \cdots)$。
那么$h_{\theta}=\theta^{T}X$。
机器学习(三)线性归回模型多变量
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。