我有这个模型来给不同的学校打分：
并且要求我描述一种解决问题的迭代方法。
用多个变量来描述多项式回归是一个很好的答案吗？
形式化我们有一个包含m个样本的数据集D。
我可以定义误差函数J（theta）并借助梯度下降算法找到使误差函数最小化的参数。
可以采用迭代方法解决问题吗？
最佳答案
多项式回归被认为是多元线性回归的一种特殊情况，因此可以适合梯度下降。
梯度下降是一种迭代优化技术，因此，如果使用梯度下降最小化成本函数，那么答案是肯定的。
关于machine-learning - 梯度下降的迭代方法-线性回归，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/50326238/