一,单一特征线性回归
在NG的ml视频中举的是房价的例子,在这里我们也同样以房价为例:
在这个例子中只有房子面积x(Size)对房价(Price)有影响,如图所示,我们就可以写成图中的关系式,θ1为面积x特征的系数,θ0表示额外一个系数。
二,多特征线性回归
当有很多因素来决定房价的时候,如图
我们就需要更多的未知数和系数来表示结果,在这之前需要普及一些表达式的含义,如图
n表示影响因素(特征向量)的个数,m表示元组个数,上标(i)表示第i个元组,我们可以用矩阵来表示,下标j表示第j个因素(特征向量)。
同单一特征线性回归一样,我们可以据此写出关系式:
当关系式从有限个数推广到n个之后,就可以写成:
为了方便我们假设x0=1,将特征向量与系数分开,就可以写成两个(n+1)维的矩阵:
对向量内积熟悉的知道,
这里θ的转置矩阵与x特征向量的内积就等于hθ(x),所以,我们就有了更加便利的表示形式:
这是我在学习ng的机器学习课程的基础上,经过自己的一些思考,写下学习笔记,重点是对于一些细节的思考和逻辑的理清。
以上很多都是个人的理解,如果有不对的地方,还请大家指教。