梯度下降初识-求取凸函数极值

梯度下降初识-求取凸函数极值

梯度下降：梯度下降是迭代法的一种,通过选择一个初始点，然后计算该点的导数，再通过导数和步长推进到下一个点，直到两个点之间的差值很小为止。

# 梯度下降 == 导数值下降
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

#梯度下降算法是一个帮助我们找极值点的方法cost  #凸函数
def targetFunc(x,y):        #目标函数
    return(x-100)**2+y**2
    pass
def gradientFuncX(x):       #求解偏导数
    return 2*x - 200
    pass
def gradientFuncY(y):       #求解偏导数
    return 2*y
listx=[]
listy=