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=