【八】机器学习之路——梯度下降法python实现

  前面的博客线性回归python实现讲了如何用python里sklearn自带的linearRegression()函数来拟合数据的实现方式。今天咱们来介绍下，如何用梯度下降法拟合数据。

  还记得梯度下降法是怎么做的吗？忘记的同学可以回头看下前面的博客线性回归。咱们还是拿之前博客线性回归python实现里的数据进行讲解。

  假设咱们现在想用$y=\theta _{1}\cdot x+\theta _{0}$来拟合这组数据，由于在梯度下降的算法里，咱们是通过不断的改变$\theta$的值，经过多次迭代，最终判断$J(\theta)$达到我们的预期范围，则停止迭代。一般梯度下降法迭代很多次后都会收敛，通过$J(\theta)$的表达式

J(θ)=12⋅m∑mi=