多输入变量回归

1. 定义：以房屋为例，除了面积外，还有其他因素，如房屋卧室数目，层数等来共同影响房屋的价格，这些因素共同组成一个可以输入的行向量注：b可以看作是基线，即房屋起价注：Multiple linear regression——多元线性回归可以用两个行向量的点乘来简化【矢量化】

矢量化

1. np.dot——把code简化，提高运行速度注：python的代码计数从0开始，因此range(0,n)实际代表的是0—n-1
2. 例：矢量化实现并行计算

梯度下降用于多元线性回归

1. 定义：矢量化的过程
2. 梯度下降：更新W1—Wn
3. 梯度下降实现：
   1. 功能缩放：
      1. 对于较大的x，模型对w的预测需要尽可能小
      2. 如何进行缩放：注：这是通过分别除最大值来实现的缩放注：均值归一化注：Z-score均一化
      3. 总结：
   2. 检查梯度下降是否收敛：
      1. 关于学习曲线：如果J在迭代的过程中上升意味着学习率α太大，或者是代码错误！
      2. 自动收敛测试：如果J的减少幅度小于ε，课证明收敛
   3. 选择学习率：
      1. 学习率过高的危害：
      2. 尝试一系列不同的α值