小批量梯度下降算法代码

以下是使用Python实现的小批量梯度下降算法的代码：

import numpy as np

def minibatch_gradient_descent(X, y, theta, alpha, n_epochs, batch_size):
    m = len(y)
    n_batches = int(np.ceil(m / batch_size))
    for epoch in range(n_epochs):
        shuffled_indices = np.random.permutation(m)
        X_shuffled = X[shuffled_indices]
        y_shuffled = y[shuffled_indices]
        for i in range(0, m, batch_size):
            X_i = X_shuffled[i:i+batch_size]
            y_i = y_shuffled[i:i+batch_size]
            gradients = 2/batch_size * X_i.T.dot(X_i.dot(theta) - y_i)
            theta = theta - alpha * gradients
    return theta

其中，X是输入特征矩阵，y是目标变量向量，theta是模型参数向量，alpha是学习率，n_epochs是迭代次数，batch_size是每个小批量的样本数量。函数返回更新后的theta向量。在每个迭代周期中，函数首先对数据进行随机重排，然后将数据分成多个小批量。在每个小批量中，函数计算梯度并更新theta向量。最终返回更新后的theta向量。