多变量线性回归
- 引入多种特征后的假设h模型
对于(面积,价格)的房价模型,现在我们对房价模型增加更多的特征 (房间数量, 楼层数量, 房屋年龄):
增添更多特征后,我们引入一系列新的注释:
如上图的 x(2)=[1416 3 2 40],表示第2个训练实例。
其中,x(i)j 代表特征矩阵中第 i 行的第 j 个特征,也就是第 i 个训练实例的第 j 个特征。如 x(2)2=3。
支持多变量的假设 h 表示为: hθ(x)=θ0+θ1x1+θ2x2+...+θnxn
为方便表示,引入 x0=1,则公式转化为: hθ(x)=θ0x0+θ1x1+θ2x2+...+θnxn 此时模型中的参数是一个 n+1 维的向量,任何一个训练实例也都是 n+1 维的向量,特征矩阵 X 的维度是 m*(n+1)。 因此公式可以简化为: hθ(x)=θTX 其中上标 T 代表矩阵转置。