之前的训练集,都是单个x决定y,但是在实际情况中,往往是多项特征值x决定一个y,我们用xj来表示第j个特征。
通常的表示方法
所以,假设函数将变成:
代价函数
如果规定x0的值为1
那么假设函数可以写成:
矩阵表示法
此时,针对代价函数的梯度下降算法的θj的赋值应为:
x0已经人为规定值为1
之前的训练集,都是单个x决定y,但是在实际情况中,往往是多项特征值x决定一个y,我们用xj来表示第j个特征。
所以,假设函数将变成:
如果规定x0的值为1
那么假设函数可以写成:
此时,针对代价函数的梯度下降算法的θj的赋值应为: