# <a class="pcalibre pcalibre1" id="_Toc446405748">第2</a>周 ### <a class="pcalibre pcalibre1" id="_Toc446405750">4.1 </a>多維特征 參考視頻: 4 - 1 - Multiple Features (8 min).mkv 目前為止，我們探討了單變量/特征的回歸模型，現在我們對房價模型增加更多的特征，例如房間數樓層等，構成一個含有多個變量的模型，模型中的特征為（x1,x2,...,xn）。  增添更多特征后，我們引入一系列新的注釋： n 代表特征的數量 x(i)代表第 i 個訓練實例，是特征矩陣中的第i行，是一個向量（vector）。 比方說，上圖的， 代表特征矩陣中第 i 行的第 j 個特征，也就是第 i 個訓練實例的第 j 個特征。 如上圖的， 支持多變量的假設 h 表示為： 這個公式中有n+1個參數和n個變量，為了使得公式能夠簡化一些，引入x0=1，則公式轉化為： 此時模型中的參數是一個n+1維的向量，任何一個訓練實例也都是n+1維的向量，特征矩陣X的維度是 m\*(n+1)。因此公式可以簡化為：，其中上標T代表矩陣轉置。