机器学习-多元线性回归及其手写实现梯度下降

一. 多元线性回归简介 1.在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。 2.多元线性回归算法步骤： 解析数据集，分割特征和label 定义损失函数 定义梯度下降函数 根据特征数量初始化构建权重W和b

>>阅读原文<<