梯度下降法python实现

Sure,以下是梯度下降法Python实现的示例代码：

import numpy as np

def gradient_descent(X, y, theta, alpha, num_iters):

    # 获取样本数量和特征数量
    m = len(y)  # 样本数量
    n = X.shape[1]  # 特征数量

    # 开始迭代
    for i in range(num_iters):

        # 计算假设函数
        h = X.dot(theta)

        # 计算误差
        error = h - y

        # 计算梯度
        grad = X.T.dot(error) / m

        # 更新 theta
        theta = theta - alpha * grad

    return theta

其中，X是输入特征矩阵，y是输出变量向量，theta是模型参数向量，alpha是学习率，num_iters是迭代次数。该函数的作用是通过梯度下降法来最小化成本函数，并返回训练好的模型参数theta。