第十九篇：机器学习基础：梯度下降法简单演示，python代码复现梯度下降原理

1 梯度下降 参数更新原理的简要展示

import matplotlib.pyplot as plt
import numpy as np

# 假设x_data和y_data都有10笔，分别代表宝可梦进化前后的cp值
x_data=[338.,333.,328.,207.,226.,25.,179.,60.,208.,606.]
y_data=[640.,633.,619.,393.,428.,27.,193.,66.,226.,1591.]
# 这里采用最简单的linear model：y_data=b+w*x_data
# 我们要用gradient descent把b和w找出来

# 准备好b、w、loss的图像数据
# 生成一组b和w的数据图，方便给gradient descent的过程做标记
x = np.arange(-200, -100, 1)  # bias
y = np.arange(-5, 5, 0.1)  # weight
Z = np.</