标签：代表 特征 回归 样本 多元 房屋 线性 数量

之前我们讨论过一个线性回归的，里面是关于房屋售价和面积之间的关系，这个例子中特征只有一个，就是面积。

现在我们继续来讨论如果出现多个特征，通常情况下也是如此，人们在收售房屋时会考虑多个因素，比如新旧程度、地理位置、卧室数量、布局等等。这时特征数量不再是单一的，而是出现多个。

给出以下例子，考虑房屋面积、卧室数量、房屋年龄三个因素。

我们用 n 代表特征数量，m 代表样本数量，变量 x 此时也变为三个，即 x₁ （代表面积），x₂（代表卧室数量），x₃（代表房屋年龄）。

定义 x⁽ⁱ⁾  代表第 i 个样本的所有特征值。例如 x⁽²⁾  = [1416, 3, 2, 40, 232] 

定义 x_j⁽ⁱ⁾  代表第 i 个样本中第 j 个特征量。例如 x₃⁽²⁾ = 2 

在这个例子中假设函数就为 h_(θ) (x) = θ₀ + θ₁x₁ + θ₂x₂ + θ₃x₃ ,我们令 x₀ =  1, 可以得到 h_(θ) (x) = θ₀x₀ + θ₁x₁ + θ₂x₂ + θ₃x₃ 

所以当特征有 n 个时， h_(θ) (x) = Θ^TX ，这就是多元线性回归的假设函数。

标签：代表,特征,回归,样本,多元,房屋,线性,数量
来源： https://www.cnblogs.com/feng-fengfeng/p/12261626.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。