注:本文为学习笔记,描述与截图多来自课件和百科,学习网站为:https://www.coursera.org/learn/machine-learning/home/week/2
多元线性回归
1.多个特征变量
在现实生活中,不可能只有一个特征变量,比如在预测房子价格的例子中,房屋的面积,卧室的数量,楼层数以及房子使用年限都可作为特征变量。具有多个变量的线性回归也称为“多元线性回归”。在后面的记录中,将采用以下符号来代表不同的元素:

具有多个特征变量的线性回归方程表达式定义如下:

可将作为房屋的基本价格,
为每平米房屋的价格,
为每层的价格,
为房子的平米数,
为房子的楼层数,等等。
根据矩阵的定义,多元线性回归方程可表达如下:

本文是机器学习笔记,重点介绍了多元线性回归,包括多个特征变量的线性回归方程和梯度下降法。讨论了梯度下降的特征缩放和学习速率调整,以及正规方程在最小化损失函数时的应用。强调了正规方程在大量特征时的计算复杂度问题,并提出了矩阵表示中'h(x)'的不同形式。
最低0.47元/天 解锁文章
3849

被折叠的 条评论
为什么被折叠?



