机器学习笔记(吴恩达)(二)--多变量线性回归

机器学习笔记（吴恩达）（二）--多变量线性回归 场景描述 假设函数 代价函数 梯度下降 特征缩放(Feature Scaling) 均值归一化(Mean normalization) 多项式回归 特征选择 拟合多项式 检验方法 学习率选择 正规方程 正规方程与梯度下降法比较 个人blog https://verbf.github.io 本篇介绍了有关在多特征的情况下如何使用线性回归，以及一些相关的

>>阅读原文<<