小批量梯度下降法matlab实现

以下是使用 MATLAB 实现小批量梯度下降法的示例代码：

% 随机生成数据集
X = randn(100,2);
y = 2*X(:,1) - 3*X(:,2) + randn(100,1);

% 初始化参数
theta = randn(2,1);
alpha = 0.01;
batch_size = 10;
num_iters = 100;

% 迭代更新参数
for i = 1:num_iters
    % 随机选择一批数据
    idx = randperm(size(X,1),batch_size);
    X_batch = X(idx,:);
    y_batch = y(idx);

    % 计算梯度
    grad = X_batch'*(X_batch*theta - y_batch);

    % 更新参数
    theta = theta - alpha*grad;
end

在上面的代码中，我们首先随机生成一个数据集，然后初始化模型参数 `theta`、学习率 `alpha`、小批量数据的大小 `batch_size` 和迭代次数 `num_iters`。接着，我们使用一个 `for` 循环来迭代更新参数。在每次迭代中，我们随机选择一批数据，计算梯度并更新参数。最终，我们得到了一个能够较好地拟合数据的模型参数 `theta`。

需要注意的是，以上代码只是一个简单的示例，实际应用中还需要根据具体情况对其进行修改和优化。