每天五分钟机器学习:多特征变量的样本数据如何使用矩阵表示?

本文重点

我们前面已经学习了单变量的线性回归,比如房价预测问题,只有房子大小那一个特征,而实际上我们的机器学习问题中不只有一个特征,比如房价还和楼层数和房间数有关,我们现在的是一个含有多个变量的模型,模型中的特征为(x1,x2,…,xn)。那么此时我们应该如何来处理这个问题呢?

线性回归,学出来的模型不一定是一条直线,只有在单变量的时候模型才是直线,当多特征的时候学习到的模型是超平面。

房价问题

我们还是拿房价问题来举例,只不过现在特征变量是多个了。
每天五分钟机器学习:多特征变量的样本数据如何使用矩阵表示?_第1张图片

m表示样本数,这里还要添加一个符号n,它表示特征数。

x(i)代表第 i个训练样本,是特征矩阵中的第i行,是一个向量。比如中我们的第二个样本,我们可以表示为:每天五分钟机器学习:多特征变量的样本数据如何使用矩阵表示?_第2张图片

xj(i)代表特征矩阵中第i行的第

你可能感兴趣的:(每天五分钟玩转机器学习算法,机器学习,矩阵,深度学习,python,人工智能)