本節(jié)目錄：

• 多維特征
• 多變量梯度下降
• 特征縮放
• 學(xué)習(xí)率
• 正規(guī)方程

1.多維特征
含有多個(gè)變量的模型，模型中的特征為（x1,x2,…xn），
比如對(duì)房?jī)r(jià)模型增加多個(gè)特征

這里，n代表特征的數(shù)量，
x(i)代表第i個(gè)訓(xùn)練實(shí)例，是特征矩陣中的第i行，是一個(gè)向量。


2 多變量梯度下降

多變量線性回歸中，代價(jià)函數(shù)是所有建模誤差的平方和，即：



我們開始隨機(jī)選擇一系列參數(shù)值，計(jì)算所有預(yù)測(cè)結(jié)果，再給所有參數(shù)一個(gè)新值，如此循環(huán)直到收斂。
3 特征縮放
面對(duì)多維特征問(wèn)題的時(shí)候，我們要保證這些特征都具有相近的尺度，這將幫助梯
度下降算法更快地收斂。


4.學(xué)習(xí)率

5 特征和多項(xiàng)式回歸

6 正規(guī)方程

更多內(nèi)容詳情及代碼請(qǐng)見：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

總結(jié)

以上是生活随笔為你收集整理的吴恩达机器学习笔记二之多变量线性回归的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。