机器学习(二)——多变量线性回归

一. 前言 本文继续《机器学习(一)——单变量线性回归》的例子，介绍多维特征中的线性回归问题，并通过矩阵计算的方法优化机器学习的计算效率。 二. 模型表示 现在我们对房价预测模型增加更多的特征值，如房间数、楼层、房屋年限等，构成一个多变量的模型，模型中的特征为（ x1,x2,...,xn ）。 (说明: 在现实机器学习的问题中往往具有几百甚至上万维的特征值的模型) 2.1 变量定义 下面我们引入新

>>阅读原文<<