python纯Numpy实现线性回归（随机梯度下降法）

用Numpy实现线性回归
一、理论推导

二、代码实现
引入numpy包和random包

import random
import numpy as np

主要函数如下
1.构造数据集

def synthetic_data(w,b,num_examples):
    #生成y=Xw+b+噪声  （加噪声是为了验证是否可以拟合）  w=[2，-3.4]，b=4.2
    X=np.random.normal(0, 1, (num_examples,len(w)))
    y=np.matmul(X,w)+b
    y+=np.random.normal(0,0.01,y.shape)   #取噪声偏置
    return X,y.reshape((-1,1))

2.构造迭代器

def data_iter(bath_size,features,labels):
    num_examples=len(features)
    indices=list(range(num_examples))
    #设置shuffle
    random.shuffle(indices)
    for i in range(0,num_examples,bath_size):
        bath_indices=np.array(indices[i:min(i+bath_size,num_examples)])
        yield features[bath_indices],labels[bath_indices]

3.定义模型

def Linreg(X,w,b):
    return np.matmul(X,w)+b[0]

4.定义损失函数

def squared_loss(y_hat,y,batch_size):
    #均方损失
    return ((y_hat-y)**