随机梯度下降算法和正规方程python机器学习

随机梯度下降（Stochastic Gradient Descent, SGD）是一种常用的优化算法，用于训练神经网络等机器学习模型。正规方程（Normal Equation）是一种基于矩阵求逆运算的线性回归模型求解方法。

在Python中，使用Scikit-Learn库实现随机梯度下降算法的代码如下：

from sklearn.linear_model import SGDRegressor

# 定义模型
sgd_reg = SGDRegressor(max_iter=1000, tol=1e-3, alpha=0.0001)

# 训练模型
sgd_reg.fit(X_train, y_train)

# 预测
y_pred = sgd_reg.predict(X_test)

其中，`max_iter`表示最大迭代次数，`tol`表示迭代停止的阈值，`alpha`表示正则化系数。

使用Scikit-Learn库实现正规方程的线性回归模型的代码如下：

from sklearn.linear_model import LinearRegression

# 定义模型
lin_reg = LinearRegression()

# 训练模型
lin_reg.fit(X_train, y_train)

# 预测
y_pred = lin_reg.predict(X_test)

其中，`LinearRegression`函数默认使用正规方程求解线性回归模型。