机器学习基础学习-多元线性回归问题（数学解实现）

1、基本概念
之前的简单线性回归针对的是样本只有一个特征值的情况，当我们的样本中包含了多个特征值的时候，我们就引入了多元线性回归的问题。
我们数据有多个特征、有多少个维度，相应的每一个特征前都有一个系数，这里用theta0、1、2来表示，与此同时，整个直线有个截距，我们先用theta0来表示，这里的theta0相当于之前简单线性回归的b，theta1表示之前的系数a（或者w），在多元线性回归中，相应我们要求n+1个参数，这里就用theta0-n来表示（上面第一张图片的w） 这里其实和简单线性回归很类似，区别只是由一个特征拓展到了现在有n个特征，所以求解思路其实和简单线性回归一致 把theta0-n的值，整理成一个向量，我们用列向量的形式表示 为了使表达式一致，我们在第一项theta0后面也乘上了一个值X0i（本身没有这个X0i这一个特征，为了式子在推导中更方便，虚构了一个X0i横等于1） 注意这

机器学习基础学习-多元线性回归问题（数学解实现）最先出现在Python成神之路。