多维特征

目前为止，已经学习了单变量/特征的回归模型，现在增加更多的特征，构成一个含有多个变量的模型，模型中的特征为：
（）

增添更多特征后，我们引入一系列新的注释：
n代表特征的数量
代表第 i个训练实例，是特征矩阵中的第i行，是一个向量（vector）。
比方说，上图的:

代表特征矩阵中第 i行的第 j个特征，也就是第 i个训练实例的第 j个特征。
则相应的多维的假设函数为：

这个公式中有n+1个参数和n个变量，为了使得公式能够简化一些，引入,此时假设函数为：


此时模型中的参数是一个n+1维的向量，任何一个训练实例也都是+1维的向量，特征矩阵 的维度是，简化一下，假设函数可以简化成：
代表特征矩阵的转置）