最速下降法做线性拟合一（python）

拿python写了个用最速下降法做线性拟合的，还是从最简单的开始（固定x, y，因变量就一个）

#最速下降法做线性拟合，因变量只有一个
def gradient_decent(x,y):
	a = [0, 0]	#定义初始系数值
	J = 0		#查看误差，目标，使J最小
	Jtemp = 0
	for xtemp, ytemp in zip(x, y):	#求开始时J值
		Jtemp += (a[0]+a[1]*xtemp-ytemp)**2
	Jtemp /= 2
	while abs(J-Jtemp)>0.001:（精度为0.001）
		J = Jtemp
		for xtemp, ytemp in zip(x, y):
			atemp = a[0]-0.01*(a[0]+a[1]*xtemp-ytemp)
			a[1] -= 0.01*(a[0]+a[1]*xtemp-ytemp)*xtemp
			a[0] = atemp
	
		for xtemp, ytemp in zip(x, y):
			Jtemp += (a[0]+a[1]*xtemp-ytemp)**2
		Jtemp /= 2
	print("线性拟合结果为a0=%f, a1=%f"%(a[0], a[1]))
	
x = [1, 2, 3, 4, 5]
y = [0.5, 1, 1, 1.5, 2]
gradient_decent(x,y)