人工智能梯度下降算法

以下是一个使用Python实现的梯度下降算法的代码示例：

import numpy as np

def gradient_descent(X, y, theta, alpha, num_iters):
    """
    梯度下降算法用于线性回归问题
    X: 特征矩阵
    y: 标签向量
    theta: 参数向量
    alpha: 学习率
    num_iters: 迭代次数
    """
    m = len(y)
    for i in range(num_iters):
        # 计算梯度
        h = X.dot(theta)
        grad = (1/m) * (X.T.dot(h-y))
        
        # 更新参数
        theta -= alpha * grad
    return theta

该代码使用了梯度下降算法来进行线性回归。其中X表示特征矩阵，y表示标签向量，theta表示参数向量，alpha表示学习率，num_iters表示迭代次数。算法通过计算梯度并更新参数来最小化损失函数。可以通过调整学习率和迭代次数来提高算法的性能。