用python代码写一个梯度下降算法

好的，以下是一个简单的梯度下降算法的Python实现：

import numpy as np

# 定义损失函数和梯度函数
def loss_function(x):
    return x**2 + 2*x + 1

def gradient_function(x):
    return 2*x + 2

# 定义梯度下降函数
def gradient_descent(gradient_function, initial_x, learning_rate, num_iterations):
    x = initial_x
    for i in range(num_iterations):
        gradient = gradient_function(x)
        x -= learning_rate * gradient
    return x

# 测试梯度下降函数
initial_x = 0
learning_rate = 0.1
num_iterations = 100
minimum = gradient_descent(gradient_function, initial_x, learning_rate, num_iterations)

print("最小值为: ", minimum)
print("损失函数最小值为: ", loss_function(minimum))

这个脚本实现了一个简单的梯度下降算法，其目标是找到函数 y = x^2 + 2x + 1 的最小值。在这个例子中，损失函数和梯度函数被硬编码为函数 `loss_function` 和 `gradient_function`，然后在主函数中被传递给 `gradient_descent` 函数。 `gradient_descent` 函数接受一个初始值、学习率和迭代次数作为输入，并返回最小值。最后，我们输出了找到的最小值和损失函数的最小值。