作者： Sam（甄峰） sam_code@hotmail.com
![]()
![]()
![]()
![]()
![]()
![]()
多元线性回归模型(Linear Regression with multiple variable/
Multivariate Linear Regression)：
当我们用来预测的特征有多个时，我们用以下关键词记录：
m: 训练集中数据份数。
n: 每份训练集数据中，包含的特诊数
假设函数(Hypothesis)：
为了表示方便，我们在数据集中添加一列： x0. 且x0=1
换句话说：增加了第0个特征，它的值永远为1.
theta是一个n+1的 Vector， theta的转置向量则是一个Matrix.
x 是一个n+1 的Vector。
这些内容，和单变量线性回归类似。如果要编程实现，就要找出实现 代价函数J()偏导的方法：
梯度下降法应用到多元线性回归二次代价函数：
这些内容，和单变量线性回归类似。如果要编程实现，就要找出实现 代价函数J()偏导的方法：
因为x0 = 1. 所以这个公式其实和一元线性回归梯度下降公式统一。
例子：
先选择数据集：
波士顿房价数据集（Boston House Price Dataset）是回归中常用到的数据集。
数据集包含 506
个观察，13 个输入变量和1个输出变量
CRIM：城镇人均犯罪率。
ZN：住宅用地超过 25000 sq.ft. 的比例。
INDUS：城镇非零售商用土地的比例。
CHAS：查理斯河空变量（如果边界是河流，则为1；否则为0）。
NOX：一氧化氮浓度。
RM：住宅平均房间数。
AGE：1940 年之前建成的自用房屋比例。
DIS：到波士顿五个中心区域的加权距离。
RAD：辐射性公路的接近指数。
TAX：每 10000 美元的全值财产税率。
PTRATIO：城镇师生比例。
B：1000（Bk-0.63）^ 2，其中 Bk 指代城镇中黑人的比例。
LSTAT：人口中地位低下者的比例。
MEDV：自住房的平均房价，以千美元计。
这个训练集很多人用过了，应该很完备，就不再检验数据可靠性了。
