梯度下降法python代码

梯度下降法是一种常见的优化算法，主要用于最小化损失函数。下面是一份使用Python实现的梯度下降法代码示例：

import numpy as np

def gradient_descent(X, y, theta, alpha, iterations):
    """
    X: 特征矩阵
    y: 标签向量
    theta: 参数向量
    alpha: 学习率
    iterations: 迭代次数
    """
    m = len(y)
    for i in range(iterations):
        h = X.dot(theta)
        loss = h - y
        gradient = X.T.dot(loss) / m
        theta = theta - alpha * gradient
    return theta

其中，X是一个m * n的特征矩阵，y是一个m * 1的标签向量，theta是一个n * 1的参数向量，alpha是学习率，iterations是迭代次数。函数的过程是每次计算损失函数的梯度，然后根据学习率和梯度更新参数向量。最后返回更新后的参数向量。