机器学习当中的参数吸入向量形式
我们在线性回归模型当中，时常遇到将w与b吸入w^的向量形式写为：w^=（x,b）进而写成y=w^(t)x^的形式，这仅仅是为了某些人看公式的方便，而不是处于实际的作用。具体将这两个参数吸入为向量的过程，我们可以看看下面的方案：
其实 ˆ w和 ˆ x在数学当中分别称为增广权重向量和增广特征向量，计算的公式如下：
其中⊕定义为两个向量的拼接操作。不失一般性，在本章后面的描述中我们采用简化的表示方法，直接用w和x来表示增广权重向量和增广特征向量。即线性回归的模型简写为f(x;w) =w T x，是不是感到十分奇怪呢？毕竟一般情况下学数学的人就喜欢随便乱造符号故意装怪，其实也不是为了装怪，主要是在后面我们进行正规方程的推导当中这样会更加容易一些，减少计算量。
