梯度下降法初步学习

alpha = 0.1  # 设置初始的学习率

x = [[1, 1628, 3], [1, 2045, 6], [1, 549, 4]]

y = [754, 564, 952]  # 初始xy的值

theta = [1, 1, 1]  # 未学习时的theta值

for k in range(100):  # 进入100次迭代

    for i in range(3):

        h = theta[0] * x[i][0] + theta[1] * x[i][0] + theta[2] * x[i][2]  # 预测的求和函数

        for j in range(3): # 因为x有三个变量，要得到三个不同的theta值

            theta[j] = theta[j] + alpha * (y[j] - h * x[i][j]) * x[i][j]

            print("最终的theta", theta)