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