在（二）中我们讲到了单变量的线性回归模型，但是在现实生活中会有很多对结果产生影响的因素，所以我们引入了多变量的模型。
同样的我们有M个样本，$x_i$表示第$i$个特性，$x_i^{(j)}$表示第$j$个样本的第$j$个特性。
假设函数$h_{\theta}=\theta_0+\theta_1x_1+\theta_2x_2$
我们假设$x_0=1$， $\theta^{T}=(\theta_1, \theta_2, \cdots)$，$X^{T}=(x_1,x_2, \cdots)$。
那么$h_{\theta}=\theta^{T}X$。
原文：http://www.cnblogs.com/lw945/p/5986303.html