第二周线性回归

发表于 2018-11-21 | 更新于 2019-01-17 | 阅读次数：

本文字数： 3.7k | 阅读时长 ≈ 3 分钟

https://www.coursera.org/learn/machine-learning/home/week/2

多元线性回归

一般的，我们用m代表样本数，n代表特征数，我们提到的向量默认都是指列向量，行向量用转置的形式来表示。

假设：$h_{\theta}=\theta_0+\theta_1x_1+\theta_2x_2+\cdots+\theta_nx_n$

为了对称 $\theta$ 和 $x$, 我们令

发表于 2018-12-03 | 更新于 2019-01-11 | 阅读次数：

本文字数： 6.4k | 阅读时长 ≈ 6 分钟

https://www.coursera.org/learn/machine-learning/home/week/3

逻辑回归在线性回归的基础上添加了一个函数 $g$

$\begin{aligned} h_{\theta}(x) &= g(x\theta) \\ g(z) &= \frac{1}{1+e^{-z}} \\ \Rightarrow h_\theta(x) &=\frac{1}{1+e^{-x\theta}} \end{aligned}$