吴恩达机器学习笔记 —— 5 多变量线性回归

本篇主要讲的是多变量的线性回归，从表达式的构建到矩阵的表示方法，再到损失函数和梯度下降求解方法，再到特征的缩放标准化，梯度下降的自动收敛和学习率调整，特征的常用构造方法、多维融合、高次项、平方根，最后基于正规方程的求解。 更多内容参考 机器学习&深度学习 在平时遇到的一些问题，更多的是多特征的 多变量的表示方法 多元线性回归中的损失函数和梯度求解 有时候特征各个维度是不同规模的，比如房间的平米数和

>>阅读原文<<