如图所示，针对于多元线性回归，由于横坐标x包含了多个特征值，因此我们不再仅仅考虑x1，还徐考虑x2,x3,x4...，并且还包含θ0和θn这n+1个参数。多元线性回归的解决思路和简单线性回归一样，只是多了几个特征，即找到θ0,θ1,θ2,θ3,...θn，使得以下式子的值尽可能小。这里的正负代表特征的正相关还是负相关，即特征为正，且越大则房价越高；为负，且越高则房价越低；而系数绝对值大小决定了影响

如图所示，针对于多元线性回归，由于横坐标x包含了多个特征值，因此我们不再仅仅考虑x1，还徐考虑x2,x3,x4...，并且还包含θ0和θn这n+1个参数。多元线性回归的解决思路和简单线性回归一样，只是多了几个特征，即找到θ0,θ1,θ2,θ3,...θn，使得以下式子的值尽可能小。这里的正负代表特征的正相关还是负相关，即特征为正，且越大则房价越高；为负，且越高则房价越低；而系数绝对值大小决定了影响

支持向量机SVM学习——多项式核函数、RBF核函数

PCA对手写数据集MNIST进行降维、降噪

机器学习评估分类结果——混淆矩阵、精准率、召回率、F1Score