Tag多元线性回归

机器学习笔记(4)多元线性回归

/*本课程笔记依托于Machine Learning——Andrew Ng(Stanford University)*/ 之前我们讨论的线性表示方法存在缺点,就是不够简洁以及无法表示多个特征值。因此我们引入多元线性回归的概念 在写正式的笔记之前,我们需要约定一些经常会用到的表示方法: (之前用m来表示样本的数量) 例如下面的数据 这样就将一行数据进行了向量化,或许现在还看不出来向量化的优势在哪里。 现在我们将之前的假设函数扩充到多参数形式这样就可以拥有多个特征量,设x0=1,假设函数就变成了,接下来我用矩阵的方式表示x和θ。。利用x和θ两个向量改写后的假设函数是,这里可以很简单的证明改写前和改写后是等价的(需要使用线性代数的知识)...

Your sidebar area is currently empty. Hurry up and add some widgets.