监督学习——多变量线性回归（梯度下降算法）

一、多维特征

例子：
我们探讨了单变量/特征的回归模型，现在我们对房价模型增加更多的特征，
例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为（X₁,X₂,…X_n）

n 代表特征的数量
X⁽ⁱ⁾代表第 i 个训练实例，是特征矩阵中的第 i 行，是一个向量（vector）。
例如：
X_j⁽ⁱ⁾ 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。
例如：X₂⁽²⁾=3，X₃⁽²⁾=2
h_θ(x)=θ₀X₀+θ₁X₁+…θ_nX_n，X₀=1

二、梯度下降算法

与单变量线性回归类似，在多变量线性回归中，我们也构建一个代价函数，则这个代价
函数是所有建模误差的平方和，即：