打卡第二天
多变量线性回归
函数：
简单来写的话
代价函数：
参数更新：
具体某一个参数的更新，乘上某一个特征值
特征缩放：
min-max标准化： ，u是均值，s是(max - min)，标准化之后的数据是[0, 1]
z-score标准化：， u是均值，是标准差，标准化之后的数据是均值为0，方差为1的标准正态分布
可以拟合多项式
其中 = ， = ， =
这样就拟合了
如果多项式中有根号，可以在原数据上改根号计算后的值，对应的某一个特征分量。
