我们探讨了单变量/特征的回归模型，现在我们对房价模型增加更多的特征，
例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为(??1, ??1, . . . , ????)。
增添更多特征后，我们引入一系列新的注释：
?? 代表特征的数量
??(??)代表第 ?? 个训练实例，是特征矩阵中的第??行，是一个向量（vector）。
比方说，上图的
????(??)代表特征矩阵中第 ?? 行的第 ?? 个特征，也就是第 ?? 个训练实例的第 ?? 个特征。如上图的??2(2) = 3, ??3(2) = 2，
支持多变量的假设 ? 表示为：???(??) = ??0 + ??1??1 + ??2??2+. . . +????????，
这个公式中有?? + 1个参数和??个变量，为了使得公式能够简化一些，引入??0 = 1，则公
式转化为：???(??) = ??0??0 + ??1??1 + ??2??2+. . . +????????
此时模型中的参数是一个?? + 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 ?? ? (?? + 1)。 因此公式可以简化为：??? (??) = ??????，其中上标??代表矩阵
转置。
吴恩达机器学习笔记8-多变量线性回归(Linear Regression with Multiple Variables)--多维特征
原文：https://www.cnblogs.com/sl0309/p/10352443.html