梯度下降法线性回归拟合c语言

以下是使用梯度下降法进行线性回归拟合的C语言代码示例：

#include <stdio.h>

#define ALPHA 0.01 // 学习速率
#define MAX_ITER 1000 // 最大迭代次数

double theta0 = 0, theta1 = 0; // 参数theta0和theta1的初始值
double x[5] = {1, 2, 3, 4, 5}; // 输入数据x
double y[5] = {1, 3, 2, 5, 4}; // 输出数据y

int main() {
    int i, j;
    double h, error0, error1, diff0, diff1;
    for (i = 0; i < MAX_ITER; i++) { // 迭代
        error0 = error1 = 0;
        for (j = 0; j < 5; j++) { // 遍历所有数据
            h = theta0 + theta1 * x[j];
            error0 += h - y[j];
            error1 += (h - y[j]) * x[j];
        }
        diff0 = ALPHA * error0 / 5;
        diff1 = ALPHA * error1 / 5;
        theta0 -= diff0;
        theta1 -= diff1;
    }
    printf("theta0 = %lf, theta1 = %lf\n", theta0, theta1); // 输出参数值
    return 0;
}

其中，`ALPHA`表示学习速率，`MAX_ITER`表示最大迭代次数，`theta0`和`theta1`表示线性回归模型的参数，`x`和`y`分别表示输入和输出数据。

在每次迭代中，遍历所有数据，计算预测值`h`与实际值之间的差异，然后根据梯度下降法的更新公式对参数进行更新。

最终输出参数值即为线性回归模型的最终拟合结果。