python实现梯度下降法球根
时间: 2023-12-04 22:36:43 浏览: 127
梯度下降法是一种用于求解最优化问题的迭代算法。在Python中,可以通过编写代码来实现梯度下降法。
下面是一个基本的Python代码示例,用于实现梯度下降法来求解函数的最小值:
```python
import numpy as np
def gradient_descent(learning_rate, num_iterations):
# 初始化参数
theta = 0
x = [1, 2, 3, 4, 5] # 输入特征
y = [2, 4, 6, 8, 10] # 目标变量
# 迭代更新参数
for i in range(num_iterations):
# 计算梯度
gradient = 0
for j in range(len(x)):
gradient += (theta * x[j] - y[j]) * x[j]
# 更新参数
theta = theta - learning_rate * gradient
return theta
# 设置学习率和迭代次数
learning_rate = 0.01
num_iterations = 100
# 调用梯度下降函数
result = gradient_descent(learning_rate, num_iterations)
print("最优参数为:", result)
```
在上述代码中,我们定义了一个gradient_descent函数来执行梯度下降算法。它接受学习率和迭代次数作为输入,并返回最优参数。在每次迭代中,我们根据梯度计算新的参数值,并通过迭代来优化参数,直到达到最小值。
阅读全文